Complexidades da atividade: 

• Lidar com modelos e pipelines antigos, muitas vezes com baixa documentação ou tecnologias defasadas.

• Diagnosticar problemas complexos envolvendo integrações, qualidade de dados e performance.

• Manter soluções funcionando em ambientes que evoluem (infraestrutura, APIs, bases, ferramentas).

• Garantir compatibilidade e continuidade sem interromper serviços críticos.

IMPRESCINDÍVEL – NECESSÁRIO COMPROVAÇÃO DOCUMENTAL

Imprescindível – Comprovação Documental

• Graduação completa em Engenharia, Ciência da Computação, Estatística, matemática ou áreas correlatas.

• Experiência comprovada de +3 anos em ciência de dados.

Obrigatório:

• Domínio de estatística e modelagem preditiva.

• Programação avançada em Python (Pandas, NumPy, Scikit-learn).

• Experiência com depuração e otimização de pipelines analíticos.

• Conhecimento sólido de SQL para análises investigativas e correções.

• Capacidade de comunicação clara com áreas de negócio e TI.

• Experiência com Git e práticas de versionamento.

Conhecimentos desejáveis:

• Experiência com manutenção de soluções existentes e código legado.

• Monitoramento de modelos (drift, performance, logging, alertas).

• Conceitos de MLOps e CI/CD aplicados a sustentação.

• Cloud (AWS, Azure) com foco em operação e manutenção.

• Familiaridade com detecção de anomalias em dados e modelos.

• Conhecimentos em análise de logs, troubleshooting e observabilidade.

• Ferramentas para orquestração e monitoramento (Airflow, MLflow, Databricks).

• Experiência com documentação técnica e boas práticas de governança.

Hard Skills

• Diagnóstico de problemas em modelos e pipelines legados.

• Python + SQL aplicados à investigação e manutenção.

• MLOps/DataOps focados em estabilidade, monitoramento e governança.

• Capacidade de otimizar performance e corrigir gargalos t