Cientista de Dados Sr. - Crédito

Principais desafios :

O Cientista de Dados será corresponsável pelo desenvolvimento de soluções de inteligência preditiva, tendo como principais atividades :

• Auxiliar e Desenvolver modelos preditivos, robustos e escaláveis, para apoiar a tomada de decisão da área de crédito;
• Conduzir pesquisas para compreender as causas dos principais problemas de negócios e propor soluções data-driven;
• Explorar os diversos conjuntos de informações disponíveis para determinar pontos fracos do portfólio, tendências e oportunidades de negócios;
• Propor métodos de análise e monitoramentos inteligentes e recomendar melhorias para os processos decisórios existentes;
• Atuar no processo de deploy de serviços preditivos MLOps de acordo com as melhores práticas;
• Aplicação sistemática de metodologias de análise de dados que promovam a descoberta de actionable insights;
• Interação com principais drivers da concessão e manutenção de crédito : credit score, endividamento, capacidade de pagamento, entre outras features relevantes;
• Uso de processos e métricas de risco de crédito regulamentares (BaCen e SOX) e / ou definidas pelo apetite de risco do banco.

Quais as principais competências para a posição?

• Formação acadêmica dentre os cursos de Matemática Aplicada, Física, Estatística, Computação Científica e Engenharias;
• Já ter atuado com as ferramentas computacionais de análise de dados, plataformas cloud e apresentação de resultados (Python, R, SQL, Office, Tableau, AWS, Github, entre outros);
• Contato com as pipelines de dados, desenvolvimento de algoritmos, stacking de modelos e deploy de serviços;
• Capacidade de trabalhar com fontes distintas de dados, incluindo dados não estruturados;
• Atuação com as principais implementações dos algoritmos de ML para problemas de clusterização, regressão, classificação, além de possuir habilidade no design de redes neurais artificiais e construção de modelos de séries temporais;
• Conhecimento sobre as técnicas estatísticas de modelagem paramétrica de distribuição de variáveis aleatórias e suas propriedades, testes de hipóteses e seus usos;
• Aplicação de técnicas de análise e tratamento de vieses nas bases de dados e features de interesse;
• Compreensão sobre a aplicação de métodos de matemática e engenharia financeira necessários para a moderna gestão de portfólios de crédito;
• Perfil analítico e foco na solução de problemas complexos considerando múltiplos cenários e relações de risco vs. retorno;
• Comunicação clara e objetiva das análises, modelos e descobertas para as áreas de negócios.

Modelo de atuação : Híbrido (4 dias presencial no escritório e 1 dia de home office)

J-18808-Ljbffr