🚀 Sobre a Oportunidade

A área de Data Science tem como missão aplicar técnicas de machine learning para gerar soluções escaláveis, monitorar o desempenho de modelos e automatizar processos, apoiando a tomada de decisão e a otimização de resultados da organização.

A atuação do(a) Cientista de Dados visa desenvolver soluções preditivas que resolvam problemas de negócio por meio de machine learning. Você será responsável por definir abordagens de modelagem, desde a análise exploratória até a validação e deploy de modelos, conduzir experimentos, selecionar as técnicas mais adequadas a cada contexto e garantir que as soluções entreguem valor real e mensurável para a organização.

Saiba mais sobre nosso dia a dia no Instagram e no LinkedIn.

Confira nossas avaliações no Glassdoor.

🔍 O Que Procuramos

Pré-requisitos Essenciais:

• Graduação completa em Estatística, Matemática, Computação, Engenharias, Economia ou áreas correlatas
• Domínio de Python e PySpark para manipulação e transformação de grandes volumes de dados
• Sólidos conhecimentos em estatística, probabilidade e técnicas de modelagem preditiva, abrangendo modelos supervisionados e não supervisionados (modelo de árvore, regressão, clusterização, séries temporais), e utilização de bibliotecas como Scikit-learn
• Capacidade de traduzir problemas de negócio em problemas de Machine Learning bem definidos
• Proficiência em validar performance de modelos utilizando métricas de negócio e métricas de modelo
• Habilidade de comunicação para interagir com diferentes áreas, conduzir reuniões com stakeholders e apresentar resultados de forma clara
• Código limpo, modular e versionado (Git)
• Residir em São Paulo e disponibilidade para atuação no modelo híbrido (3x na semana)

Diferenciais:

• Experiência atuando com modelos de machine learning no segmento financeiro
• Experiência com inferência causal (diff-in-diff, propensity score, variáveis instrumentais, synthetic control)
• Experiência com stack Databricks
• Experiência em validação de hipóteses através de experimentos controlados usando metodologias de teste A/B e análise estatística
• Experiência com MLOps
• Experiência com modelos de otimização linear

🎯 Desafios e Impacto

• Conduzir experimentos causais para validar o real impacto de campanhas, mudanças de taxas e novos produtos para clientes Corporate.

• Garantir governança e MLOps em ambiente regulado, com monitoramento contínuo de drift, versionamento de modelos e rastreabilidade para auditoria.

• Traduzir problemas de negócio em problemas de Machine Learning bem definidos, atuando como ponte entre times de Risco, Mesa, Produtos e Compliance.

• Entregar valor mensurável — cada modelo precisa responder a uma pergunta de negócio e gerar impacto concreto em receita, eficiência ou redução de risco.

⏳ Etapas do Processo

1. Triagem inicial: Análise do currículo para verificar a adequação às qualificações e requisitos da vaga.

2. Testes gerais: Avaliação do alinhamento cultural com o teste da Mindsight e teste de raciocínio lógico da Predictive Index.

3. Entrevista com a equipe de Recrutamento: Discussão sobre as expectativas em relação à vaga e aos objetivos profissionais.

4. Avaliação técnica: Entrevista focado nas habilidades específicas necessárias para a função.

5. Entrevista com a liderança: Uma conversa para discutir sua visão e como você pode contribuir para a equipe e a empresa.

6. Entrevista com colegas de trabalho: Interação com futuros pares para avaliar a sinergia e o trabalho em equipe.

7. Oferta: Apresentação da proposta de trabalho, incluindo detalhes sobre remuneração e benefícios.