Staff Data Scientist

👉 Quais serão os seus desafios com a gente?

1. Desenhar e conduzir experimentos de IA: Definir amostragem e metodologia para validar hipóteses e medir impacto em métricas-chave;
   
   
2. Mensurar performance de modelos de GenIA: Implementar técnicas de avaliação como LLM-as-a-judge, distância de Levenshtein, ROUGE, BERTScore, entre outras, para análise de resultados;
   
   
3. Otimizar contextos e arquiteturas de LLMs: Propor melhorias em prompts, tokens e abordagens de fine-tuning para maximizar a acurácia dos modelos;
   
   
4. Atuar como referência técnica em Data Science: Oferecer mentorias e direcionamento a equipes de cientistas de dados, garantindo excelência em práticas de Machine Learning;
   
   
5. Planejar e executar roadmaps técnicos: Alinhar escopo e prazos com stakeholders e equipes de produto, garantindo a viabilidade das soluções propostas;
   
   
6. Promover boas práticas: Incentivar a adoção de métodos ágeis, padrões de codificação e guidelines de MLOps em colaboração com outras squads.
   
   

👉 O que esperamos que você tenha:

1. Visão estratégica: Capacidade de estabelecer prioridades e guiar projetos de alta complexidade, alinhando soluções às necessidades de negócio;
   
   
2. Comunicação clara e colaborativa: Habilidade de adaptar a linguagem a diferentes públicos e integrar equipes multidisciplinares;
   
   
3. Liderança técnica: Inspiração para times de Data Science, oferecendo mentoria e direcionamento para o desenvolvimento de carreira;
   
   
4. Resiliência e proatividade: Foco em resultados, mantendo a serenidade para lidar com desafios e propor soluções inovadoras;
   
   
5. Cultura de experimentação e melhoria contínua: Motivação para testar hipóteses, aprender com falhas e evoluir processos de forma iterativa.
   
   
   

👉 O que seria um diferencial?

1. Contribuições em projetos open-source: Experiências em Data Science ou GenIA, demonstrando engajamento com a comunidade técnica;
   
   
2. Formação avançada: Mestrado ou doutorado em áreas correlatas (NLP ou estatística) e participação em publicações científicas;
   
   
3. Histórico de liderança em projetos complexos: Coordenação de equipes cross-funcionais e interação com stakeholders de diferentes níveis;
   
   
4. Conhecimento teórico e prático em modelos generativos: Fine-tuning, prompt engineering, diluição e técnicas de optimização de LLMs.