Profissional Engenheiro de Dados Senior

A primeira coisa que você precisa saber é que aqui você não vai cair na rotina. A Radix desenvolve soluções para empresas de diferentes setores e indústrias. Cada projeto tem suas tecnologias, soluções e prazos e você terá oportunidade de atuar e experimentar diferentes desafios. Além da nossa atuação pelo Brasil, com escritório no Rio de janeiro, São Paulo e Belo Horizonte, temos também filiais nos Estados Unidos, fazendo com que a Radix se consolide cada vez mais como uma empresa global. Quer fazer parte dessa história e transformar ideias e sonhos em realidade? Como Profissional Data Analyst SR você vai: Coletar, limpar e organizar dados de fontes diversas, estruturadas e não estruturadas, garantindo qualidade e rastreabilidade para análise e modelagem. Realizar análises exploratórias e estatísticas para gerar hipóteses, identificar padrões e apoiar decisões de produto, operação ou negócio. Desenvolver, treinar e avaliar modelos de machine learning tradicionais, escolhendo abordagens, métricas e validações adequadas ao contexto. Contribuir no desenvolvimento de features, seleção de variáveis e desenho de experimentos, comparando modelos e documentando decisões técnicas. Apoiar a disponibilização de modelos e rotinas analíticas para uso em produção, colaborando com engenharia na integração via pipelines, jobs ou APIs. Construir relatórios, visualizações e narrativas de dados para comunicação de resultados, riscos e recomendações. Contribuir com documentação técnica de bases, análises, experimentos e modelos, facilitando manutenção e evolução. Participar do desenvolvimento de soluções com GenAI quando aplicável, usando prompt engineering, RAG em nível aplicado e avaliação estruturada de respostas, com cuidado com dados sensíveis. Trabalhar em conjunto com engenharia de dados e áreas de negócio para entender o problema, levantar requisitos e propor soluções viáveis. Para essa vaga, você deve ter: Inglês avançado para conversação. Base consistente em estatística e probabilidade, com capacidade de selecionar métricas e métodos apropriados. Entendimento prático de aprendizagem supervisionada e não supervisionada e de avaliação de modelos, incluindo generalização e validação. Conhecimento de Python e bibliotecas de dados e ML, como pandas, numpy e scikit learn, além de ferramentas de visualização. Noções sólidas de SQL e de bancos relacionais e ou não relacionais para extração e manipulação de dados. Conhecimento aplicado de algoritmos e estruturas de dados. Capacidade de conduzir análises de dados de complexidade moderada, comunicar achados e sustentar recomendações. Conhecimento prático de GenAI sem fine tuning, incluindo prompt engineering, noções de RAG, e práticas para melhorar qualidade e reduzir erros. Boa capacidade de colaboração, autonomia e organização para tocar entregas com supervisão parcial. . É um diferencial se você tiver: Graduação em áreas correlatas ou equivalência por experiência. Especialização, cursos avançados ou certificações em Ciência de Dados, ML, cloud ou GenAI. Experiência em projetos de NLP, visão computacional, recomendação ou dados não estruturados. Familiaridade com práticas de operacionalização de modelos, como rastreamento de experimentos, registro de versões e monitoramento básico.