Cientista de Dados Sr (Prevenção a Fraudes) – Asaas – Home Office

Responsabilidades e atribuições
Conduzir projetos de Data Science de ponta a ponta, desde a definição e recorte do problema com Produto/Operações até a entrega em produção, acompanhando impacto no negócio e evoluções contínuas da solução.
Projetar, implementar e sustentar pipelines de Machine Learning em produção (batch e online), garantindo confiabilidade, escalabilidade e manutenibilidade em cenários de alto volume e necessidade de resposta rápida.
Gerenciar o ciclo de vida completo dos modelos (experimentação, validação, publicação, monitoramento e iteração), incluindo definição de métricas e rotinas de acompanhamento de data drift e concept drift.
Desenvolver e evoluir sistemas de inferência para diferentes casos de uso (batch e tempo real), trabalhando com trade-offs de arquitetura para suportar paralelização, concorrência e baixa latência.
Otimizar performance ponta a ponta de soluções em produção, atuando sobre latência, throughput e uso de recursos computacionais, com foco em respostas rápidas e processamento de múltiplas requisições simultâneas.
Estruturar e aprimorar práticas de MLOps (infra, deploy e observabilidade), incluindo versionamento de modelos e artefatos, automação de deploy e monitoramento contínuo de performance e saúde do sistema em produção.
Atuar em parceria com Tech Leaders de Engenharia e PMs para desenhar soluções viáveis, alinhar expectativas, comunicar resultados (técnicos e de negócio) e viabilizar a entrega dos sistemas em produção.
Manter-se atualizado(a) em melhores práticas de Data Science aplicada e produtividade em desenvolvimento (incluindo ferramentas de desenvolvimento assistido por IA), avaliando e propondo melhorias que façam sentido para o contexto e qualidade de entrega.

Requisitos e qualificações
Machine Learning: Domínio em algoritmos clássicos (classificação e regressão) voltados para scores de risco, utilizando métodos robustos (XGBoost, LightGBM, Random Forest).
Deploy de Modelos: Experiência em produtizar e manter o funcionamento de modelos machine learning live e batch.
Tempo Real: Vivência com modelos live (via APIs), lidando com cenários de alta concorrência e requisitos de baixa latência.
MLOps: Experiência na gestão e monitoramento de modelos em produção e domínio de frameworks como MLflow.
Manipulação de Big Data: Proficiência em SQL, Python e Spark para análise de grandes conjuntos de dados.
Estatística e Experimentação: Conhecimentos em Inferência Estatística e aplicação prática de Testes A/B em problemas de negócio.
Boas Práticas de Código: Familiaridade com práticas de desenvolvimento estruturado e versionamento de código (Git).
Visão de Negócio: Habilidade para comunicar resultados técnicos de forma clara e traduzir métricas estatísticas em impactos práticos para o negócio.
Formação: Graduação completa ou experiência prática equivalente em Ciência da Computação, Engenharia, Estatística, Matemática, Física e/ou correlatas.

Candidate-se, clicando no botão “Candidatar-se à vaga” abaixo