Caro usuário, habilite o javascript para que esse site funcione corretamente.

Sr Data Scientist

CLT (Efetivo)Presencial (Local)Indaiatuba-SPEmpresa Confidencial (Cadastre-se)

* 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

Detalhes da vaga

    Qualificações

    • TensorFlow
    • Estatística
    • Modelagem de Dados
    • Image processing
    • PyTorch
    • Estrutura de Dados
    • NumPy
    • Certificação AWS
    • NoSQL
    • Git
    • Apache Hive
    • MongoDB
    • Banco de Dados
    • SQL
    • Pandas
    • Matemática
    • Docker
    • Machine Learning
    • Melhoria Contínua
    • Terraform
    • NLP
    • OpenCV
    • Segurança
    • S3
    • JSON
    • Data science
    • Keras
    • DynamoDB
    • GitLab
    • Python

    Descrição completa da vaga

    Na Topaz, a tecnologia nos une e a evolução nos conecta!


    Em nossa organização, estamos totalmente comprometidos em contribuir para soluções financeiras que tornem a indústria um lugar seguro, acessível e dinâmico. Queremos alcançar diferentes partes do mundo com nosso amplo ecossistema de soluções tecnológicas. Por isso, convidamos você a fazer parte dessa equipe!


    Além disso, temos ótimos benefícios para você! Sabemos que, juntos, alcançaremos o sucesso, então se candidate e faça parte desse grande time.


    Responsabilidades e atribuições


    Seu Dia a Dia na Topaz:


    Na Topaz, você será responsável por liderar o desenvolvimento e a implantação de modelos avançados que impulsionam a prevenção de fraudes em larga escala. Seu dia-a-dia será desafiador e repleto de oportunidades para aplicar suas habilidades técnicas e estratégicas. Entre as principais atividades estão:


    • Desenvolvimento e Experimentação de Modelos:

    Projetar, treinar e validar modelos de aprendizado de máquina utilizando algoritmos avançados.

    Realizar experimentos para testar novas abordagens, ajustando hiper parâmetros e avaliando métricas como FPR e recall.


    • Implantação e Monitoramento em Produção:

    Trabalhar em conjunto com engenheiros MLOps para criar pipelines robustos que garantam a escalabilidade dos modelos em ambientes produtivos.

    Monitorar o desempenho dos modelos em produção, identificando possíveis degradações ou oportunidades para melhorias contínuas.


    • Otimização e Manutenção Contínua:

    Atualizar os modelos com novos dados para garantir que permaneçam relevantes frente a mudanças no comportamento fraudulento.

    Implementar técnicas de explicabilidade para tornar os modelos transparentes e alinhados às regulamentações aplicáveis.


    • Pesquisa e Inovação:

    Explorar novas tecnologias, frameworks e algoritmos para manter a solução na vanguarda da detecção de fraudes.

    Contribuir para a criação de boas práticas e padrões técnicos dentro da equipe.


    Requisitos e qualificações


    O que você precisa conhecer para fazer parte da Topaz?


    Ciência de Dados e Modelagem

    Analisar dados estruturados e não-estruturados para identificar padrões de fraude e lavagem de dinheiro

    • Desenvolver modelos de Machine Learning (classificação, clusterização, detecção de anomalias) para problemas de segurança financeira
    • Aplicar feature engineering, tratar missing values, normalizar dados e balancear datasets
    • Evitar data leakage na separação e validação de datasets
    • Criar visualizações para comunicar resultados a diferentes públicos
    • Experimentar algoritmos diversos (ScikitLearn, LightGBM, CatBoost, Keras, TensorFlow, PyTorch)


    Engenharia de Dados

    Trabalhar com bancos de dados distribuídos (Athena, Hive, Spark) processando grandes volumes

    • Otimizar queries SQL reduzindo custos e tempo de execução
    • Manipular dados estruturados (CSV, Parquet) e não-estruturados (JSON, imagens)
    • Desenvolver pipelines de transformação e preparação de dados


    Machine Learning Engineering

    Criar e manter pipelines automatizados de ML (treinamento, validação, deploy)

    • Containerizar aplicações com Docker
    • Gerenciar PODs e deployments com Kubernetes
    • Garantir escalabilidade e disponibilidade das soluções


    Monitoramento e Manutenção

    Monitorar performance dos modelos em produção

    • Detectar e corrigir data drift e concept drift
    • Configurar alertas e dashboards de métricas
    • Implementar retreinamento automático e versionamento de modelos
    • Aplicar técnicas de explicabilidade (XAI) para conformidade regulatória


    Inovação

    Pesquisar novas tecnologias e algoritmos de ML

    • Contribuir com boas práticas e documentação técnica
    • Manter-se atualizado em Data Science e Machine Learning


    Requisitos Obrigatórios

    Fundamentos

    Matemática e Estatística:

    • Sólido conhecimento em matemática, estatística e probabilidade

    Machine Learning:

    • Experiência com algoritmos de classificação, clusterização e detecção de anomalias
    • Domínio do ciclo completo de ML: transformação, feature engineering, treinamento, validação
    • Frameworks: ScikitLearn, LightGBM, CatBoost, Keras, TensorFlow, PyTorch

    Dados:

    • Manipulação com Numpy e Pandas
    • Dados não-estruturados (JSON, imagens)
    • Visualização (Matplotlib, Seaborn, Plotly, ApexCharts)


    Bancos de Dados:

    • Experiência com SQL e bancos relacionais
    • NoSQL (MongoDB, DocumentDB, DynamoDB)
    • Bancos distribuídos (Athena, Hive, Spark)
    • Otimização de queries
    • ORM em Python

    Python:

    • Desenvolvimento robusto em Python
    • Git para versionamento
    • Estruturas de dados, algoritmos e design patterns
    • Testes: pytest (unitários), Locust (carga)

    Cloud e Infraestrutura (AWS):

    • S3, Athena, DynamoDB, EC2, Lambda, ECR, ECS/EKS
    • Docker para containerização
    • Kubernetes para orquestração
    • Terraform (conceitos básicos)
    • GitLab CI/CD (conceitos básicos)


    Diferenciais

    • Ferramentas MLOps (Dagster, MLflow, Kubeflow, Airflow)
    • Feature Stores e Model Registry
    • Experiência em detecção de fraudes, anomalias ou segurança financeira
    • NLP ou processamento de imagens (OpenCV, PIL)
    • Certificações AWS (Solutions Architect, ML Specialty)
    • Contribuições open source ou publicações técnica


    Se você tem esse perfil e quer fazer parte de um time inovador e dinâmico, venha para a Topaz!



    Informações adicionais


    Tenha em mente esses benefícios que irão melhorar sua experiência na Topaz!


    • Saúde e Bem-estar: Porque pensamos em nossas equipes, oferecemos diferentes planos de saúde, focados em promover o bem-estar na organização.
    • Desenvolvimento pessoal e profissional: Estamos em constante evolução. Por isso, oferecemos ambientes, programas e políticas que garantem o espaço e as oportunidades necessárias para vocêRota de carreira.
    • Flexibilidade e tempo livre: Aqui você encontrará o tempo necessário para recarregar as energias, além de poder desfrutar de um dia de folga no seu aniversário Modalidade de trabalho híbrido.
    • Convênios: Oferecemos diferentes convênios e descontos.


    Na Topaz, vamos além da criação tecnológica: transformamos a maneira como o mundo interage com o dinheiro. Nosso segredo? Topaz One, a primeira plataforma fullbanking global, projetada para impulsionar a evolução das instituições financeiras e levá-las a novas fronteiras.


    Somos uma comunidade vibrante de
    mais de 2000 Topazers, com uma grande paixão por tecnologia, inovação e pela criação de soluções disruptivas. Nossa diversidade de culturas e experiências enriquece nossa perspectiva e nos impulsiona a alcançar resultados extraordinários.


    Se você busca um lugar onde seu talento tenha um impacto real, onde possa crescer profissionalmente e fazer parte de uma comunidade global que está fazendo história,
    venha ser Topazer!


    Junte-se ao nosso time e vamos construir o futuro das finanças.


    BUSCAS DE VAGAS SEMELHANTES