Cientista de Dados Sênior

Impactar positivamente bilhões de vidas é nosso propósito e também pode ser o seu! 🚀

Fundada em 2010, no Brasil, a Semantix é referência em Big Data, Analytics e Inteligência Artificial. 

Somos um time de apaixonados por inovação, com diversas origens e diferentes graus de experiência. O que nos une, é a motivação compartilhada de transformar a experiência de nossos clientes através da cultura data driven.

Se você se identificou, a Semantix é seu lugar. 

Estamos ansiosos para ter você como parte do time.

Afinal, o futuro se faz juntos. 💜  

Temos desafios como alta disponibilidade, performance, machine learning e engenharia de dados! Em outras palavras, focamos em micro-serviços, pipelines de dados e algoritmos.

Responsabilidades e atribuições: 

• Explorar os dados de forma analítica e avançada 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;
• Criar e testar modelos para detecção de padrões, classificação, clusterização e recomendações. Em NLP, aplicar tanto abordagens clássicas quanto modelos pré-treinados (Transformer, BERT, GPT, etc.), uso de Foundation Models, com atenção a problemas fuzzy, como ambiguidades, incertezas na interpretação e ausência de dados (missing data) nos textos.
• Analisar e avaliar as métricas de aprendizado e generalização dos modelos e fazer sua correlação com métricas de negócio, adaptando estratégias conforme desafios como inconsistências linguísticas e de imagens;
• Propor novas variáveis, como contagens, embeddings e indicadores de modelos, que ajudem a captar nuances e aspectos dos dados multimodais.
• Integrar dados de fontes diversas para complementar informações e gerar variáveis mais robustas e contextuais.
• Monitorar os modelos em produção (Drift de dados, métrica, tempo de execução, etc);
• Sempre que apropriado, publicar os achados científicos em periódicos ou para a comunidade em geral.

Requisitos e qualificações:

• Habilidades avançadas com programação em Python.
• Fortes habilidades analíticas quantitativas para interpretar dados, desenvolver features e propor soluções com Ciência de Dados.
• Sólido conhecimento teórico e prático de técnicas de IA e modelagem de Machine Learning (aprendizado de máquina supervisionado, semi-supervisionado e não supervisionado).
• Conhecimento avançado em bibliotecas e plataformas de DS/ML/IA do mercado (transformers, pandas, scikit-learn, tensorflow, pytorch, pyspark, mllib, etc)
• Habilidade de se comunicar com pessoas do time de negócios e das demais áreas de engenharia;
  Conhecimento de Deep Learning.

Conhecimentos e habilidades diferenciais: 

• Conhecimentos avançados em ambientes distribuídos para dados (com Delta Lake) com uso de BigQuery e/ou SQL, PySpark, Polars e  Dask;
• Técnicas Avançadas para problemas multimodais;
• Embeddings Multimodais (Construção de modelos próprios de embeddings, como também, o uso de embeddings pré-treinadas);
• IA Gen com LLMOps (SGLang, etc), MCP, RAGs, etc;
• Conhecimentos avançados em orquestração de workflows de ML com pipelines escaláveis (Kube Flow, MLflow, Argo, …);
• Causal Inference;
• Conhecimentos e habilidades práticas em Foundation Models aplicadas em NLP e Imagens;
• Uso de bibliotecas e datasets de NLP para o Português-BR (transformers, nltk, spaCy, gensim, etc).

Benefits