Atuando de forma direta com problemas complexos e de grande escala, o capítulo de Ciência de Dados tem a missão de desenvolver algoritmos e modelos de inteligência artificial de suporte e automação à tomada de decisões, apoiando-se em ferramentas matemáticas, estatísticas e computacionais. Nós atuamos de forma matricial em times multidisciplinares extremamente conectados aos problemas de negócio. O capítulo de Ciência de Dados conta com o apoio técnico e operacional dos capítulos de Analytics Engineering e Machine Learning Engineering para o processamento de grandes volumes de dados e a implementação de modelos em escala de produção, além ter à disposição plataformas de DataOps e MLOps de ponta.Buscamos Cientistas de Dados para integrar o nosso chapter e nos ajudar a criar soluções baseadas em dados para diversas áreas do Magalu.RequisitosHabilidades em programação com Python ou linguagens equivalentes;Fortes habilidades analíticas quantitativas para interpretar dados, desenvolver features e propor soluções de Ciência de Dados.Sólido conhecimento teórico e prático de técnicas de modelagem de Machine Learning (aprendizado de máquina supervisionado, semi e não supervisionado)Conhecimento prático de bibliotecas e plataformas de DS/ML/IA do mercado (scikit-learn, tensorflow, pytorch, pandas, PySpark, mllib)Habilidade de se comunicar com pessoas do time de negócios e das demais áreas de engenharia;Conhecimentos e habilidades diferenciaisConhecimento de Bigquery e/ou SQLNLP (nltk, spacy, gensim, etc) e Processamento de ImagemWord Embeddings, TransformersLLMs, IA Generativa e engenharia de PromptHugging face e modelos pré-treinadosConhecimento de KubeflowComo Cientista de Dados, você poderá:Explorar os dados de forma analítica para compreender sua qualidade e relevância para as modelagens;Propor a criação de novas variáveis preditivas relevantes para os modelos de aprendizado de máquina;Estudar, propor e criar modelos para a detecção de padrões nos dados (ex. CF, Clusterização, Classificação etc.), com o objetivo de fazer previsões automatizadas;Analisar as métricas de aprendizado e generalização dos modelos e fazer sua correlação com métricas de negócio (CTR, Vendas, etc.);Monitorar os modelos em produção (Drift de dados, métrica, tempo de execução, etc);Quando oportuno, publicar os achados científicos em periódicos ou para a comunidade em geral.Como é o ambiente de trabalho?No Luizalabs, temos grande autonomia e responsabilidade, somos multidisciplinares, auto gerenciáveis e com pouca burocracia no nosso cotidiano. Buscamos romper as barreiras que diminuem nossa capacidade de agregar valor ao negócio. Fazemos entregas frequentes e agimos rapidamente ao encontrar problemas; nosso ritmo é acelerado, mas temos tranquilidade e equilíbrio para planejar e executar nossas tarefas com qualidade.
