Descrição: Formação necessária: Superior completo em Ciência da Computação, Engenharia de Dados, Engenharia de Software ou áreas correlatas. Conhecimentos necessários: * Programação em Python (instalação de bibliotecas, lógica e boas práticas). * Tratamento e análise de dados (relacionamento entre tabelas, qualidade e otimização). * Bibliotecas de ciência de dados em Python (gestão de versões e dependências). * Banco de Dados Relacional e SQL. * Orquestração e transformação de dados (ex: Apache Airflow). * Gestão e sustentação de modelos em produção. * Raciocínio lógico e analítico. * Experiência com plataformas de cloud (Azure, AWS, GCP) para ML/Analytics. * Frameworks de machine learning (Scikit\-learn, TensorFlow, PyTorch). * Integração Databricks com Azure DevOps. * Modelos pré\-treinados e AutoML. * Técnicas de identificação e tratamento de outliers. * Ferramentas de BI e Data Visualization. Principais Responsabilidades: * Liderar projetos de análise e previsão de dados, atuando de ponta a ponta no ciclo de desenvolvimento. * Colaborar com áreas de negócio para entender demandas e propor soluções inovadoras baseadas em dados. * Aplicar técnicas avançadas de análise e previsão, incluindo ML, redes neurais para séries temporais e classificação. * Gerenciar o ciclo de vida dos modelos, comunicando resultados e performance de forma clara para stakeholders. * Realizar o deploy de modelos de ML e manter pipelines robustos de Machine Learning (MLOps). * Capturar, estruturar e integrar novos dados em Data Warehouses e Data Lakes, garantindo governança e segurança. * Garantir a qualidade, integridade e disponibilidade dos dados para modelos de Machine Learning e Inteligência Artificial. * Otimizar a performance e o uso da infraestrutura de dados (Data Lake), promovendo escalabilidade e eficiência. * Gerenciar e monitorar modelos em produção, assegurando alta disponibilidade e desempenho (uptime). * Desenvolver e automatizar fluxos de trabalho e infraestrutura de ML, acelerando a entrega de projetos do desenvolvimento à produção. * Detectar, analisar e tratar outliers ou variações na qualidade dos dados, promovendo confiabilidade nos resultados. 2512060202191784572