Engenheria /Ciencias de Dados - Junior, Pleno e Senior | Remoto

Sobre a oportunidade. A Solutis está formando banco de talentos em ciência de dados para projetos em um grande cliente do setor financeiro, construindo modelos que apoiam decisões de negócio. Trabalho 100% remoto, com contratações previstas até dezembro de 2026. Vaga para os níveis Júnior, Pleno e Sênior: indique na candidatura o nível em que você se encaixa.

O que você vai fazer

• Explorar, limpar e preparar dados, identificando padrões e inconsistências
• Construir, validar e explicar modelos analíticos e preditivos
• Traduzir necessidades do negócio em hipóteses, métricas e abordagem analítica
• Comunicar resultados para públicos não técnicos, com foco em impacto
• Documentar hipóteses e decisões, com uso ético dos dados e atenção à LGPD e a vieses

Requisitos comuns

• Python para dados (pandas, numpy) e visualização (matplotlib, seaborn, plotly)
• Estatística e probabilidade aplicadas
• Machine learning supervisionado e não supervisionado
• Métricas de avaliação: RMSE/MAE, AUC, precision/recall, F1
• SQL
• Git e reprodutibilidade

Formação: superior em Estatística, Ciência de Dados, Matemática, Economia, Engenharia, TI ou áreas correlatas.

Diferenciais: experiência no segmento de cooperativas de crédito; conceitos de negócio como churn, risco e segmentação.

Cientista de Dados Júnior

Atua em demandas de escopo bem definido, com orientação sobre abordagem, métricas e critérios de qualidade.

• Testes de hipótese, intervalos de confiança, correlação x causalidade
• Noções de overfitting e underfitting
• SQL básico/intermediário: JOIN, GROUP BY, agregações
• Notebooks organizados e checklist de qualidade

Cientista de Dados Pleno

Conduz projetos de ponta a ponta com autonomia, da pergunta ao modelo e à entrega.

• Modelagem preditiva, seleção de features e tuning; SHAP/LIME como diferencial
• Testes A/B, amostragem e significância
• SQL avançado e modelagem analítica (star schema)
• Deployment (APIs, batch scoring) e monitoramento de drift e viés
• Boas práticas de engenharia: modularização, testes, logs
• Databricks, BigQuery ou Snowflake; cloud AWS, Azure ou GCP

Cientista de Dados Sênior

Lidera iniciativas complexas e estratégicas, define padrões do time e contribui para o roadmap.

• Modelagem avançada: séries temporais, NLP, fraude/anomalia, recomendação, otimização
• MLOps: CI/CD, feature store, model registry, observabilidade
• Causalidade: A/B robusto, quasi-experimentos, propensity score, DiD
• Governança de modelos: explicabilidade, fairness, auditoria, compliance
• Priorização por ROI e roadmap técnico; mentoria