Days Off Experience: Todos os Azuis com mais de 1 ano de casa poderão ter 4 folgas no ano; Você fará parte de uma estrutura de dados madura e colaborativa,……
Experiência sólida como Engenheiro(a) de Dados Sênior com vivência prática em projetos de Machine Learning. Projetar, desenvolver e manter pipelines de dados……
Apoiar a operacionalização de modelos de Machine Learning em ambientes produtivos, contribuindo para a automatização, estabilidade e correta execução de……
Use AI to find out how well the skills on your resume fit this job description.
Explorar, preparar e analisar grandes volumes de dados reais de negócio.
Construir modelos de Machine Learning e técnicas estatísticas para resolver problemas complexos.
Utilizar modelos Transformer e recursos de GenAI/LLMs para criar soluções inovadoras.
Trabalhar com APIs de OpenAI, Anthropic, Gemini ou modelos open-source.
Colaborar com ML Engineers e Product Managers na jornada completa de implementação:
experimento protótipo produção.
Escrever código limpo, eficiente e sustentável para uso em pipelines e sistemas de AI.
Traduzir necessidades do negócio em soluções de dados e IA claras e práticas.
Requisitos:
Ingles Avancado
Linguagens e Ferramentas
Python (avançado)
Pandas, NumPy
SQL
TensorFlow ou PyTorch
GenAI / LLMs
Experiência ou familiaridade com Transformers
Prompt engineering
Uso de APIs: OpenAI, Anthropic, Gemini ou LLMs open-source
Frameworks (Desejáveis)
Orquestração de agentes e fluxos de GenAI
Modelos & Estatística
Noções sólidas de modelagem de séries temporais
Requisitos Essenciais
3 a 5 anos de experiência prática em Data Science, ML ou Applied AI
Histórico comprovado construindo e/ou implantando modelos de ML
Base sólida em estatística, machine learning e análise de dados
Código claro, estruturado e sustentável
Raciocínio analítico forte e pensamento estruturado
Conforto para trabalhar com grandes volumes de dados reais
Desejáveis (Retail / FMCG)
Experiência prévia com varejo, FMCG ou analytics de operações
Capacidade de compreender desafios de negócio e transformá-los em soluções de IA
O que valorizamos
Mentalidade prática para escolher entre ML clássico e GenAI
Autonomia, senso de dono e capacidade de trabalhar com baixa supervisão
Curiosidade, vontade de aprender e proatividade
Foco em entregar valor com soluções escaláveis e aplicáveis