* Salário: R$ 6.000 a R$ 11.000 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: Pleno
Na Aquarela, desenvolvemos tecnologia que surpreende o mercado, por este motivo, buscamos sempre as melhores pessoas para integrar nosso time. Aqui, você será responsável por reunir, interpretar e comunicar toda informação contida em dados, contribuindo para uma tomada de decisão estratégica e assertiva.Atividades:
Realizar análise exploratória de dados;
Criar modelos matemáticos, estatísticos, analíticos, bottom up e top down;
Treinar modelos de IA dos diversos paradigmas com foco no atendimento dos requisitos de negócio;
Interagir diretamente com clientes e especialistas de domínio;
Realizar a transformação de dados para alimentar estimadores de aprendizagem de máquina;
Realizar a concepção e documentação de tabelas em banco de dados;
Auxiliar na construção de modelos de ML;
Participar no desenvolvimento de ETLs para preparação de dados e pipelines de modelos;
Participar de forma engajada em todas as cerimônias do SCRUM como Sprint Planning, a Daily Meeting, a Sprint Review e a Sprint Retrospective;
Desenvolver junto aos times comerciais na análise de factibilidade de novos projetos, produtos e soluções;
Contribuir com os processos da área, mediante a execução de todos os atos inerentes e demais tarefas correlatas às funções, solicitadas pelo responsável da área.
Requisitos:
Experiência no Ciclo de vida de um projeto de Data Science de ponta a ponta;
Manuseio de séries temporais;
Ferramentas de visualização de dados;
Modelos de Machine Learning;
Conhecimento em estatística / Inferência Estatística;
Análise de dados estruturados e não estruturados;
Conhecimento em modelagem de dados como Kimball e Inmon.
Diferenciais:
Formação acadêmica em Engenharia de Produção Mecânica ou Economia;
Mestrado ou doutorado em exatas;
Processamento distribuído (Pyspark);
Conhecimento em vários tipos de banco de dados (SQL, NoSQL);
Ferramentas de avaliação de performance de modelos;
Experiência e vivência em projetos de alta complexidade;
Familiaridade com Scrum;
Familiaridade com ferramentas de desenvolvimento de pipelines como dbt e Dataform.