CIENTISTA DE DADOS PLENO

Python avançado para dados e aprendizado de máquina (pandas, scikit-learn, bibliotecas de boosting);

SQL avançado;

Spark (PySpark);

Estatística aplicada e séries temporais;

Aprendizado supervisionado e não supervisionado;

Avaliação e validação de modelos;

Azure e Databricks (notebooks, jobs, versionamento e registro de modelos);

Ferramentas de BI e visualização;

Inteligência artificial generativa (LLMs) e suas aplicações;

Regras de negócio do varejo e do atacado.

Traduzir necessidades das áreas de negócio em escopos analíticos, com critérios de sucesso e entregas definidos, refinando os requisitos diretamente com as áreas, para garantir que a solução responda ao problema certo.

Entender as regras de negócio e os processos das áreas atendidas e incorporá-los às variáveis, às premissas e às restrições dos modelos, para assegurar a aplicabilidade das soluções na operação.

Desenvolver, treinar e validar com autonomia modelos preditivos e de classificação — como previsão de demanda —, escolhendo as técnicas e as métricas adequadas, para gerar resultados mensuráveis ao negócio.

Aplicar técnicas de agrupamento e segmentação de clientes, produtos e operações, interpretando os grupos com as áreas, para apoiar ações comerciais, de marketing e operacionais.

Conduzir a preparação e a integração de dados de fontes diferentes, construindo as variáveis dos modelos em Python, SQL e Spark, para assegurar qualidade, consistência e reprodutibilidade.

Conduzir a preparação e a integração de dados de fontes diferentes, construindo as variáveis dos modelos em Python, SQL e Spark, para assegurar qualidade, consistência e reprodutibilidade.

Acompanhar a implantação dos modelos e pipelines nos ambientes de dados (Azure e Databricks), junto à Engenharia de Dados, definindo as validações e os critérios de aceite, para garantir que a solução em produção entregue o resultado esperado.