* Salário: R$ 3.000 a R$ 6.000 por mês (estimado)
* O valor exibido é uma estimativa calculada com base em dados públicos e referências do mercado. Não garantimos que este seja o salário oferecido para esta vaga específica.
Área: Tecnologia da Informação
Nível: Junior
Sobre a Posição
Buscamos um(a) Data Science Engineer para atuar na intersecção entre Engenharia de Dados, Machine Learning e Analytics. Você será peça-chave na nossa área de Research, responsável por construir pipelines escaláveis, desenvolver modelos preditivos para o mercado imobiliário e garantir a produtização (MLOps) dessas soluções. Seu trabalho transformará dados complexos em insights estratégicos para executivos e investidores.
O que você fará (Principais Desafios):
Engenharia e Governança: Projetar e manter pipelines de dados escaláveis em arquitetura Lakehouse (Databricks/Delta Lake), garantindo a qualidade, linhagem e governança dos dados consumidos pela área de Research.
Modelagem e Advanced Analytics: Desenvolver modelos estatísticos e de machine learning (séries temporais, regressões, segmentações) para prever dinâmicas do mercado imobiliário (vacância, preços, oferta).
MLOps e Produtização: Gerenciar o ciclo de vida completo dos modelos (deploy, monitoramento de drift, CI/CD) utilizando ferramentas como MLflow.
- novação com IA: Implementar soluções de GenAI e fluxos RAG para extrair valor de dados não estruturados (relatórios, notícias do setor).
O que buscamos (Requisitos Essenciais):
Requisitos:
Sólida experiência em Python e SQL, com vivência em processamento distribuído (Spark/PySpark).
Experiência prática com arquitetura Lakehouse (preferencialmente Databricks) e construção de pipelines de dados.
Domínio de fundamentos de Machine Learning e estatística aplicada.
Experiência comprovada em MLOps (versionamento, deploy e monitoramento de modelos).
Habilidade de comunicação e "Data Storytelling", conseguindo conectar análises técnicas a decisões de negócio.
Será um diferencial se você tiver:
Conhecimento do mercado imobiliário, finanças ou indicadores macroeconômicos.
Experiência com dados geoespaciais (GIS/GeoPandas).
Vivência prática com NLP, LLMs e bancos vetoriais.
Inglês avançado.