Cientista de Dados Pl.

Quando você pensa em carreira, o que vem à sua mente? Propósito? Colaboração? Ser protagonista para fazer a diferença? No PagBank temos tudo isso e muito mais. 💛Estamos em busca de pessoas que vistam a camisa com orgulho. Gente com vontade de facilitar a vida financeira das pessoas e impulsionar negócios!Tá a fim de uma carreira que rende mais? Confira essa oportunidade e #VemProPags!Responsabilidades e atribuiçõesDesenvolvimento de modelos preditivos, ciclo completo com criação de target, features e deploy, para aplicação no contexto de Crédito e Cobrança.Realizar análises exploratórias, segmentações e estudos ad hoc para identificação de oportunidades e mitigação de riscos.Otimização de processos e melhoria contínua dos modelos.Interação com times de engenharia e produtos para garantir a escalabilidade das soluções.Traduzir demandas de negócio em soluções orientadas por dados.Preparar apresentações executivas com recomendações e insights para público técnico e não técnico.Requisitos e qualificaçõesSuperior completo Estatística, Matemática, Ciência da Computação, Engenharia e áreas correlatas.Conhecimento de linguagens de programação (estrutura e lógica): Python, R, SQL.Domínio de estatística e ciência de dados aplicada (Modelos de classificação como, Random Forest, XGBoost, LightGBM)e modelos de regressão).Conhecimento em conceitos de criação de book de target no universo de riscos e criação de book de covariáveis (feature Engineer e feature Store).Experiência em estrutura e manipulação de dados em Spark.Conhecimento de gerais de estrutura Cloud (AWS, ou Azure, GCP).Experiência com Github.Conceitos básicos de LLMs (GPT, Claude, Gemini, Llama) e Conhecimento sobre limitações de modelos (alucinações, contexto e viés).Noções de Prompt Engineering. Informações adicionaisModelagem de probabilidade de inadimplência utilizando técnicas de machine learning.Desenvolvimento de modelos para detecção de fraude em transações financeiras (ex.: análise de padrões de transações para identificar atividades suspeitas).Implementação de modelos para monitoramento de conformidade com regulamentos de PLD (identificação de transações suspeitas e clientes de risco).Apoio no desenvolvimento de modelos para estratégias de cobrança preditiva, determinando as melhores abordagens com base no risco de pagamento.