Cientista de dados

1) Sobre a Vaga – Cientista de Dados Senior:
Todos os dias, milhões de pessoas usam seus celulares sem imaginar como a tecnologia pode ajuda-la. É aí que entramos.
Somos a Mintech, uma Start-up DataTech que Há mais de 5 anos, desenvolve soluções que conectam dados, instituições e pessoas para tornar o crédito e o relacionamento entre empresas e consumidores mais simples, ágil e seguro.
Aqui, valorizamos o protagonismo, a colaboração e o desenvolvimento contínuo. Incentivamos novas ideias, reconhecemos quem faz acontecer e acreditamos que grandes resultados são construídos pela digital de cada colaborador.
Se você busca desafios, aprendizado e a oportunidade de gerar impacto todos os dias, seu lugar pode ser aqui.
Como Pessoa Cientista de Dados Sênior, você será responsável por estruturar problemas de negócio e hipóteses analíticas, extrair, tratar, validar e interpretar dados, construir métricas e indicadores de performance, realizar análises de comportamento, funil e oportunidades, desenvolver apresentações executivas e dashboards, comunicar resultados, além de traduzir insights analíticos em recomendações práticas. Seu papel será fundamental para impulsionar decisões estratégicas e gerar valor para clientes da Mintech.
2) Responsabilidades e Atribuições:
Atuar como referência técnica em Ciência de Dados, alinhado às diretrizes, políticas, indicadores, níveis de serviço e valores da empresa.
Compreender desafios de negócio e traduzi-los em soluções analíticas baseadas em dados, estatística, Machine Learning e Inteligência Artificial.
Desenvolver, validar, implantar e evoluir modelos estatísticos e de Machine Learning para risco de crédito, fraude, compliance, precificação, recomendação, segmentação, previsão e otimização de processos.
Conduzir análises exploratórias, engenharia de atributos, experimentos estatísticos e testes A/B, mensurando a performance dos modelos e o impacto das soluções no negócio.
Desenvolver PoCs, MVPs e soluções inovadoras, avaliando a viabilidade técnica, financeira e operacional.
Desenvolver modelos preditivos e book de variáveis para prevenção de fraudes, PLD, crédito e cobrança.
Documentar e monitorar modelos em produção, identificando degradações de performance e propondo ações de correção, retreinamento ou evolução.
Implementar, acompanhar e monitorar modelos e variáveis em produção.
Construir métricas e indicadores de performance.
Realizar análises de comportamento, funil e oportunidades.
Desenvolver apresentações executivas e dashboards.
Garantir a qualidade, governança, segurança e conformidade dos dados e modelos com a LGPD, regulamentações aplicáveis e normas internas.
3) Requisitos:
Formação: Graduação em Ciência da Computação, Engenharia da Computação, Sistema de Informação, Engenharia de software, Estatística, Matemática, Ciência de Dados e áreas correlatas.
Certificação Cloud Practitioner (Desejável)
Certificação AWS: AWS Certified Machine Learning – Specialty. (Desejável).
Inglês
Experiência: Desejável 05 anos como Analista de Dados / Cientista de Dados orientado a construção de modelagens e aplicações de dados para negócios e produtos (ex: score, risco, precificação, BI ou analytics).
4) Hard Skills:
Programação e dados: Python, SQL, Pandas, NumPy e Jupyter Notebook.
Machine Learning e estatística: Scikit-Learn, XGBoost, LightGBM ou CatBoost; estatística aplicada, engenharia de atributos, séries temporais, testes A/B e desenvolvimento, validação e avaliação de modelos preditivos.
Análise e visualização: construção de indicadores, dashboards e análises para tomada de decisão, com conhecimento em Power BI.
Engenharia e integração de dados: preparação, tratamento, transformação e validação de dados.
Engenharia de Prompt: Técnica para extrair o melhor resultado de modelos de linguagem.
SQL: Essencial para extrair dados dos bancos (Postgres) que o Engenheiro de Dados preparou.
Cloud Computing: Conhecimento em ambientes Cloud (AWS, Azure ou GCP).
Ferramentas AWS para Ciência de Dados: Amazon SageMaker, AWS Bedrock, Amazon Athena / QuickSight.
MLOps (Machine Learning Operations): MLflow ou WandB (Weights & Biases), DVC (Data Version Control): Como o Git, mas para versionar grandes volumes de dados e modelos.
5) Diferenciais desejáveis:
Machine Learning avançado, otimização de modelos e análise de performance, robustez e estabilidade.
Deep Learning, NLP, Transformers e soluções de IA Generativa, incluindo LLMs, RAG, embeddings e busca semântica.
MLOps e DataOps, com versionamento, automação, monitoramento de drift e retreinamento de modelos.
Arquitetura de dados e IA, integração de modelos a sistemas e uso de serviços em nuvem.
IA responsável, com explicabilidade, mitigação de vieses, privacidade, segurança, governança e conformidade com a LGPD.
Experiência em áreas de Risco de Crédito.
6) Soft Skills:
Curiosidade Científica: Desejo de testar hipóteses e não aceitar o primeiro resultado.
Storytelling de Dados: Capacidade de explicar resultados complexos de IA para diretores e pessoas não técnicas de forma simples.
Ética em IA: Preocupação com vieses nos modelos e o uso responsável dos dados dos clientes (alinhado à LGPD).
Visão de Negócio: Entender qual problema da empresa a IA está tentando resolver (ex: reduzir churn, aumentar conversão).
Resiliência e Resolução de Problemas (Troubleshooting): Capacidade de manter a calma durante incidentes críticos ("o site caiu") e investigar a causa raiz de forma metódica.
Adaptabilidade: Testar novas ferramentas e metodologias constantemente.
Sentimento de Dono (Ownership): Responsabilizar-se pela qualidade da entrega do início ao fim, não apenas dizendo "no meu computador funciona".
7) O que oferecemos:
Trabalho totalmente dedicado a dados, com mínimas atividades administrativas.
Em contato direto com a liderança.
Participação direta no processo de decisão.
Modelo PJ
100% Home Office

Work arrangement
Yes