Cientista de Dados Sênior MLOps (Bilingue - Espanhol)

Tarefas

• Liderar o workstream de modelagem de risco de crédito para a operação argentina, definindo abordagens técnicas e recomendando estratégias de modelagem apropriadas.
• Desenvolver modelos de application score e behavioral score ao longo de todo o ciclo de vida, desde a preparação de dados e análise exploratória até o desenvolvimento, validação e implementação final do modelo.
• Extrair, transformar e analisar conjuntos de dados utilizando SQL e Python para identificar padrões relevantes, avaliar a qualidade dos dados e preparar features de modelagem.
• Aplicar métodos estatísticos e técnicas de machine learning para construir, comparar e otimizar modelos preditivos, incluindo abordagens de classificação, regressão e clustering, conforme apropriado.
• Realizar seleção de features, avaliar pressupostos do modelo e identificar as variáveis que contribuem de forma mais eficaz para a previsão de risco de crédito.
• Validar o desempenho e a estabilidade do modelo antes da implementação, garantindo que as abordagens selecionadas atendam aos requisitos de negócio e aos padrões relevantes de avaliação de risco.
• Monitorar os modelos implementados ao longo do tempo, acompanhando o desempenho, a estabilidade e o alinhamento com os resultados esperados.
• Identificar a degradação do desempenho e recomendar a recalibração do modelo, o redesenvolvimento ou outras ações corretivas quando necessário.
• Documentar metodologias de modelagem, pressupostos, resultados de validação, limitações e recomendações de maneira clara e estruturada.
• Apresentar descobertas analíticas, avaliações de desempenho de modelos e recomendações estratégicas para os stakeholders de crédito e risco, tanto em português quanto em espanhol.
• Colaborar com as equipes de negócio, risco e tecnologia para alinhar as iniciativas de modelagem com as necessidades operacionais e os objetivos de tomada de decisão de crédito.
• Gerir o workstream de modelagem de forma autónoma, priorizando atividades e mantendo altos padrões de qualidade técnica e entrega.

Requisitos

• Licenciatura em Estatística ou área quantitativa relacionada.
• Pelo menos cinco anos de experiência profissional em data science, modelagem estatística ou disciplina estreitamente relacionada.
• Experiência comprovada em modelagem de risco de crédito, com experiência prática tanto em application scoring quanto em behavioral scoring.
• Proficiência avançada em SQL e Python para manipulação de dados, análise exploratória, feature engineering e modelagem estatística.
• Experiência prática no desenvolvimento, avaliação e validação de modelos de machine learning, incluindo classificação, regressão, clustering e outras técnicas preditivas relevantes.
• Familiaridade com bibliotecas de data science e estatística, tais como pandas, scikit-learn, statsmodels ou ferramentas equivalentes.
• Proficiência avançada em espanhol, incluindo a capacidade de comunicar descobertas técnicas, explicar resultados de modelos e colaborar de forma eficaz com stakeholders de língua espanhola.
• Forte pensamento analítico e habilidades de raciocínio crítico, com capacidade de questionar pressupostos, interpretar resultados e identificar potenciais limitações nas abordagens de modelagem.
• Excelentes habilidades de comunicação e capacidade de traduzir conceitos técnicos complexos em recomendações claras e acionáveis para públicos técnicos e de negócio.
• Capacidade comprovada de liderar um workstream de forma independente, estabelecer prioridades e gerir entregas de forma eficaz.
• Forte atenção ao detalhe, com compromisso com a qualidade dos dados, documentação de modelos e práticas rigorosas de validação.
• Conforto em trabalhar com equipas internacionais e colaborar com stakeholders em diferentes países e contextos de negócio.

Qualificações desejáveis (Nice-to-have)

• Mestrado em Estatística ou disciplina quantitativa relacionada.
• Experiência anterior em banca, bureaus de crédito, instituições financeiras ou ambientes de consultoria.
• Experiência no monitoramento de modelos estatísticos ou de machine learning em produção, incluindo acompanhamento de desempenho, análise de estabilidade e recalibração de modelos.
• Familiaridade com a gestão do ciclo de vida de modelos e práticas de MLOps para manter soluções analíticas fiáveis em ambientes de produção.

Benefícios

• Regime de trabalho totalmente remoto, permitindo que trabalhe a partir do Brasil.
• Compromisso profissional em tempo inteiro sob contrato de pessoa jurídica (PJ).
• Oportunidade de liderar iniciativas de modelagem de risco de crédito para uma operação de serviços financeiros num mercado internacional.
• Exposição ao desenvolvimento, validação e monitoramento de modelos de ponta a ponta dentro de um domínio financeiro crítico para o negócio.
• Colaboração com equipas multidisciplinares em data science, crédito, risco e tecnologia.
• Oportunidades para aplicar métodos estatísticos avançados e técnicas de machine learning a desafios de negócio do mundo real.
• Um ambiente colaborativo focado na excelência técnica, aprendizagem contínua, inovação e desenvolvimento profissional.

Candidatura

Como a Jobgether funciona Utilizamos um processo de matching impulsionado por IA para garantir que a sua candidatura seja revista de forma rápida, objetiva e justa em relação aos requisitos principais da função. O nosso sistema identifica os candidatos com melhor ajuste e esta shortlist é partilhada diretamente com a empresa contratante. A decisão final e os próximos passos (entrevistas, avaliações) são geridos pela equipa interna deles. Agradecemos o seu interesse e desejamos-lhe o melhor! Por que se candidatar através da Jobgether?

Outros

Aviso de Privacidade de Dados: Ao enviar a sua candidatura, reconhece que a Jobgether processará os seus dados pessoais para avaliar a sua candidatura e partilhar informações relevantes com o empregador contratante. Este processamento baseia-se no interesse legítimo e em medidas pré-contratuais ao abrigo das leis de proteção de dados aplicáveis (incluindo o RGPD). Pode exercer os seus direitos (acesso, retificação, apagamento, oposição) a qualquer momento.