Data Science

Descrição

Resumo da Vaga: O profissional de Data Science na KarHub desenvolverá sistemas inteligentes combinando GenAI e Machine Learning para resolver problemas estratégicos em vendas, experiência do cliente e eficiência operacional. Principais Destaques: 1. Construção e evolução de sistemas inteligentes com GenAI e ML 2. Modelos de ML e GenAI para vendas, marketing, precificação e cliente 3. Colaboração com Engenharia de Dados para soluções escaláveis **Descrição e Responsabilidades:** **Horário:** Das 09h ás 18h **Nível:** Profissional **Regime de contratação:** Prestador de Serviços \- PJ **Sobre:** Como Data Science na KarHub, você fará parte da construção e evolução de sistemas inteligentes que combinam GenAI e modelos de Machine Learning tradicional para resolver problemas reais e de alto impacto em três pilares estratégicos: vendas, experiência do cliente e eficiência operacional. **Responsabilidades:** Criar, desenvolver e evoluir modelos de Machine Learning e GenAI que suportem áreas como vendas, marketing, catálogo, pricing e experiência do cliente. Realizar análises exploratórias, preparar dados, construir features e desenvolver pipelines de ML que gerem recomendações e insights acionáveis. Projetar e otimizar prompts, criar classificadores e agentes baseados em LLMs para acelerar operações internas e melhorar a jornada do cliente. Participar da evolução de modelos já existentes, garantindo robustez, monitoração, escalabilidade e performance em produção. Construir análises de impacto e identificar oportunidades para otimização de campanhas, precificação dinâmica, cross\-selling, priorização de estoque próprio e estratégias de logística (como envio para Full). Colaborar com Engenharia de Dados e áreas de negócio para transformar problemas estratégicos em soluções inteligentes e escaláveis, sempre com responsabilidade e foco no impacto. **Requisitos:** **O que buscamos:** Formação em Ciência de Dados, Estatística, Matemática, Computação, Engenharia ou áreas correlatas. Proficiência em Python e SQL para manipulação, análise e modelagem de dados em larga escala. Conhecimentos práticos em Machine Learning (regressão, classificação, árvores, clustering, séries temporais, etc.) e familiaridade com Scikit\-learn. Conhecimentos de RAG, embeddings e prompt engineering. Experiência com banco de dados vetoriais (Pinecone ou similares) Capacidade de comunicar resultados de forma clara, visual e orientada a impacto. **Diferenciais:** Experiência prática com modelos em produção, pipelines, monitoração ou ferramentas como Airflow/DBT. Vivência com GCP e ambientes distribuídos (Spark/Pyspark). Familiaridade com TensorFlow, PyTorch ou modelos mais avançados de NLP/LLMs. **Benefícios:** Assistência médica