.

• Prover soluções técnicas para novas funcionalidades e realizar suporte às funcionalidades já existentes;
• Desenhar e detalhar soluções de machine learning e dados para atender às necessidades do negócio;
• Desenvolver modelos preditivos e algoritmos de machine learning para resolver problemas complexos de negócio;
• Conduzir atividades de exploração, preparação e análise de dados, desde a concepção até a validação dos modelos;
• Interpretar resultados e gerar insights com foco em impacto mensurável para o negócio;
• Desenvolver e definir as principais perguntas de negócio e criar conjuntos de dados capazes de respondê-las;
• Implementar, ajustar e otimizar plataformas de dados e soluções baseadas em streaming e processamento distribuído;
• Atuar no design, desenvolvimento e operação de soluções utilizando serviços AWS Analytics e Machine Learning;
• Aplicar técnicas de aprendizado supervisionado, não supervisionado e deep learning conforme a necessidade dos projetos;
• Utilizar ferramentas de experimentação, versionamento e monitoramento de modelos para garantir a qualidade das entregas.

• Habilidade em lógica de programação;
• Experiência em desenho e detalhamento de soluções;
• Experiência prática com Python;
• Experiência prática em aprendizado de máquina (Machine Learning);
• Conhecimento em processamento de linguagem natural (NLP) e/ou visão computacional;
• Experiência com serviços AWS Analytics e Machine Learning, como Amazon Kinesis, AWS Glue, Amazon Redshift, Amazon EMR, Amazon Athena e Amazon SageMaker;
• Experiência em implementação de plataformas de dados;
• Vivência prática em implementação e ajuste de desempenho de soluções utilizando Kinesis, Kafka, Spark e/ou Storm;
• Experiência em design, desenvolvimento e operações utilizando Amazon Kinesis, Apache Kafka, Apache Spark, Amazon SageMaker, Amazon EMR, tecnologias NoSQL e soluções de terceiros;
• Experiência com uma ou mais ferramentas como TensorFlow, PyTorch, Scikit-learn, Flink, Spark, Sqoop, Flume, Kafka e Amazon Kinesis;
• Conhecimento em bibliotecas e ferramentas para ciência de dados como Scikit-learn, XGBoost, LightGBM, Statsmodels, SciPy, Jupyter, Databricks e MLflow;
• Capacidade de atuar com resiliência em ambientes dinâmicos;
• Habilidade para gestão de dependências e alinhamento entre times.

Originally posted on