.
- 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