Cientista de dados sênior

O que buscamos

● Experiência prévia com Ciência de Dados, Machine Learning ou Analytics.

● Boa base em estatística, modelagem preditiva e análise de dados.

● Experiência com Python e bibliotecas de machine learning.

● Familiaridade com modelos supervisionados, feature engineering e avaliação de modelos.

● Experiência com SQL e grandes volumes de dados.

● Curiosidade para explorar novas abordagens e vontade de aprender constantemente.

● Perfil analítico, pragmático e confortável em ambientes dinâmicos e com mudanças rápidas de contexto.

● Boa comunicação e capacidade de trabalhar de forma colaborativa com diferentes áreas.

Diferenciais

● Experiência em fintechs, crédito, fraude, risco ou pagamentos.

● Experiência com modelos em produção ou temas de MLOps.

● Familiaridade com gradient boosting, redes neurais, Graph Neural Networks ou LLMs.

● Experiência com Foundational Models e Embbedings.

● Experiência com ambiente de Cloud.

● Conhecimento em Airflow, MLflow, Feast ou ferramentas similares.

● Inglês avançado.

Por que a Pagaleve?

● Problemas complexos e reais desde o primeiro dia.

● Espaço para experimentação, aprendizado rápido e impacto direto no negócio.

● Ambiente altamente colaborativo, com proximidade entre áreas técnicas e de negócio.

● Autonomia para testar ideias, construir soluções e participar ativamente da evolução dos modelos e produtos da empresa.

● Oportunidade de atuar em uma das fintechs que mais cresce no Brasil.

● Desenvolver, testar e evoluir modelos de machine learning aplicados a crédito, fraude, risco e comportamento do usuário.

● Explorar novas técnicas, variáveis e abordagens analíticas com foco em impacto real no negócio.

● Participar do ciclo de vida completo (end-to-end) dos modelos, incluindo design, implementação e manutenção de pipelines de dados e ML em produção, garantindo estabilidade e performance.

● Trabalhar próximo de Engenharia, Produto e Riscos para transformar problemas de negócio em soluções analíticas e modelos escaláveis.

● Realizar análises exploratórias, testes, experimentos e avaliações de performance de modelos.

● Acompanhar métricas de negócio e performance dos modelos, ajudando a identificar oportunidades de melhoria.

● Contribuir para boas práticas de desenvolvimento, versionamento e qualidade técnica do time.