Cientista de Dados SR

Sobre a empresa:

Somos a AgRisk, a infraestrutura completa para toda a jornada de crédito do agronegócio, com um motor de decisão alimentado por mais de 30 módulos de análise. Há 9 anos conectamos dados, tecnologia e governança para que instituições tomem decisões de crédito mais rápidas, seguras e consistentes. Já realizamos mais de 3,5 milhões de consultas, analisamos mais de 1,2 milhão de CPFs e CNPJs e hoje sustentamos a operação de mais de 1.600 clientes. Somos investidos pelo Itaú Venture Capital e recebemos recentemente um aporte de R$ 50 milhões do Rabo Partnerships, avançando para a Série B. Somos um time de mais de 100 pessoas construindo a base sobre a qual o crédito agro é decidido no país.

O que você irá fazer ?

• Desenvolver modelos de risco de crédito que ampliem a capacidade de análise e concessão no Agronegócio.
• Definir as abordagens técnicas, stacks e padrões para o desenvolvimento de modelos e pipelines analíticos.
• Documentar e comunicar resultados de forma clara e acionável para diferentes públicos e stakeholders.
• Conduzir apresentações e ciclos de feedback com clientes internos e externos.
• Colaborar com times de Engenharia e Produto para entender necessidades e identificar oportunidades de melhoria sob a ótica da modelagem.
• Explorar novas variáveis e fontes de dados para aumentar o poder preditivo dos modelos.
• Avaliar e adotar novas técnicas e tecnologias que elevem a eficiência e precisão das soluções de risco.
• Monitorar o alinhamento contínuo entre as decisões técnicas em ciência de dados e os objetivos do negócio.
• Ser referência técnica para cientistas de dados e analistas, apoiando escolhas metodológicas e revisões de código e modelo.
• Liderar a evolução da arquitetura de modelos de risco, cobrindo features, validação, monitoramento e MLOps.
• Avaliar trade-offs entre complexidade, performance, interpretabilidade e governança dos modelos.
• Apoiar o planejamento técnico de iniciativas analíticas de médio e longo prazo.

O que esperamos de você ?

• Sólido domínio de Machine Learning aplicado a problemas reais de risco e crédito, incluindo validação de modelos, controle de viés, estabilidade temporal e explicabilidade.
• Experiência prática em engenharia de features e avaliação de impacto de variáveis em ambiente de produção.
• Capacidade de revisar, refatorar e elevar a qualidade de código analítico, com foco em eficiência e reprodutibilidade.
• Vivência em modelagem de risco de crédito.
• Participação em decisões de arquitetura analítica envolvendo dados, modelos e pipelines.
• Domínio em consulta e manipulação de bases de dados para construção e validação de modelos.
• Familiaridade com ferramentas de controle de versão como Git e Bitbucket.
• Comunicação clara e objetiva para apresentar resultados técnicos a diferentes públicos.
• Capacidade de atuar com autonomia e colaboração em times multidisciplinares.

Diferenciais

• Experiência com engenharia de software e ML Engineering.
• Visão crítica sobre o uso de LLMs e agentes de IA como parte de uma estratégia analítica.
• Vivência em ambientes ágeis com foco em entrega contínua de valor.
• Conhecimento em outras linguagens de programação, como Node ou Java.
• Experiência com ferramentas de processamento de dados em larga escala como Hadoop, Spark/PySpark ou Polars.
• Familiaridade com ambientes Cloud, preferencialmente GCP.