Brasil
C6 Bank
Tractian
Científico de Datos - Mantenimiento Predictivo
RemotoBrasil
São Paulo, São Paulo, Brazil
Python
Traducción automática. Consulta el original.
CIENCIA DE DATOS EN TRACTIAN
El equipo de Ciencia de Datos de Tractian construye sistemas de machine learning que convierten datos industriales en inteligencia fiable y procesable. Trabajando con datos de sensores a gran escala y señales complejas de series temporales, desarrollamos modelos que ayudan a las empresas industriales a comprender el comportamiento del equipo, detectar anomalías, anticipar fallos y tomar mejores decisiones de mantenimiento.
Nuestro enfoque va más allá del desarrollo de modelos. Creamos y evolucionamos soluciones de ML listas para producción, combinando técnicas avanzadas de modelado con sistemas de software robustos. Esto incluye el diseño de pipelines de inferencia escalables, la monitorización del rendimiento de los modelos en entornos reales, la gestión de la deriva de datos y conceptos, y la garantía de que nuestros modelos sigan siendo fiables a medida que cambian el comportamiento de las máquinas y las condiciones de operación.
¿QUÉ HARÁS?
Como Científico de Datos centrado en Series Temporales y Mantenimiento Predictivo, desarrollarás, desplegarás y mejorarás continuamente sistemas de machine learning que operan con datos industriales del mundo real.
Trabajarás en todo el ciclo de vida del ML, desde la exploración de nuevos enfoques de modelado y la validación de hipótesis hasta la construcción de sistemas de inferencia listos para producción y la monitorización de su comportamiento a escala. Abordarás desafíos relacionados con series temporales no estacionarias, equipos heterogéneos, datos de sensores ruidosos, cambios de distribución y las restricciones operativas de la implementación de ML en entornos industriales.
Colaborarás estrechamente con Científicos de Datos, Ingenieros de Software y equipos de laboratorio para convertir la investigación y la experimentación en productos fiables que aporten un valor medible a nuestros clientes.
RESPONSABILIDADES
- Desarrollar modelos de ML de series temporales: Diseñar e implementar algoritmos de machine learning para detección de anomalías, pronóstico, modelado de comportamiento y monitorización de condiciones utilizando datos de sensores industriales a gran escala.
- Producción de soluciones de machine learning: Traducir modelos experimentales en sistemas de producción fiables, mantenibles y escalables, considerando la latencia de inferencia, la eficiencia computacional, el uso de memoria y los costes operativos.
- Construir sistemas de monitorización y evaluación de modelos: Diseñar métricas, diagnósticos y mecanismos de monitorización para rastrear la calidad de los datos, las distribuciones de características, las puntuaciones de anomalías, la estabilidad de las predicciones y la deriva y el rendimiento del modelo a lo largo del tiempo.
- Diseñar estrategias de modelado robustas: Investigar enfoques que equilibren el rendimiento predictivo, la generalización, la adaptabilidad, la interpretabilidad y los costes de mantenimiento bajo condiciones operativas cambiantes.
- Ingeniar representaciones de series temporales: Desarrollar técnicas de extracción de características, procesamiento de señales y aprendizaje de representaciones para capturar patrones temporales y físicos significativos a partir de datos de sensores industriales.
- Ejecutar experimentos rigurosos: Formular hipótesis, diseñar experimentos controlados, comparar enfoques alternativos y evaluar modelos utilizando estrategias de validación temporal apropiadas y escenarios de despliegue realistas.
- Optimizar pipelines de ML: Mejorar el procesamiento de datos, el cálculo de características, el servicio de modelos y los flujos de trabajo de inferencia para soportar aplicaciones de alto rendimiento, baja latencia y eficiencia de recursos.
- Conectar investigación y producción: Evaluar métodos de vanguardia y traducir técnicas prometedoras en soluciones prácticas, comprobables y listas para producción.
- Colaborar entre disciplinas: Trabajar con ingenieros de software, equipos de producto y especialistas de laboratorio para validar modelos, investigar casos de fallo y mejorar continuamente la fiabilidad de nuestros productos de mantenimiento predictivo.
REQUISITOS
- Sólida formación en machine learning, con experiencia práctica en el desarrollo de modelos para series temporales, detección de anomalías, pronóstico o problemas de modelado secuencial relacionados.
- Dominio de Python y bibliotecas comunes de ML y procesamiento de datos, como NumPy, pandas, scikit-learn, PyTorch, o frameworks equivalentes.
- Experiencia en llevar modelos de machine learning de la experimentación a la producción, incluyendo organización de código, pruebas, optimización de rendimiento e integración con pipelines de datos o inferencia.
- Sólida comprensión de los fundamentos de las series temporales, incluyendo dependencias temporales, no estacionariedad, estacionalidad, ruido y estrategias de validación apropiadas.
- Comprensión de la deriva de datos y la degradación de modelos en producción, incluyendo técnicas para monitorizar cambios de distribución, evaluar la estabilidad del modelo e identificar cuándo son necesarias actualizaciones del modelo.
- Sólidas habilidades de ingeniería de software, incluyendo la escritura de código modular, testeable y mantenible, y el diseño de soluciones que puedan operar de forma fiable a escala.
- Experiencia en el diseño de experimentos y la comparación de modelos utilizando métricas, puntos de referencia y metodologías de validación apropiadas.
- Capacidad para analizar datos complejos, ruidosos y de alta dimensionalidad, y traducir hallazgos empíricos en decisiones técnicas sólidas.
- Dominio de inglés y portugués.
PUNTOS EXTRA
- Experiencia con series temporales de datos de sensores, particularmente vibración, aceleración, velocidad, corriente, temperatura, presión u otras señales de sensores.
- Conocimiento de procesamiento de señales, análisis espectral, ingeniería de características y monitorización de condiciones.
- Experiencia con observabilidad de ML en producción, monitorización de modelos, evaluación automatizada, pipelines de reentrenamiento o gestión del ciclo de vida del modelo.
- Experiencia con aprendizaje en línea, modelos adaptativos, aprendizaje no supervisado o autosupervisado, o métodos diseñados para manejar distribuciones de datos cambiantes.
- Experiencia en la traducción de investigación académica en sistemas de ML fiables y listos para producción.
- Familiaridad con infraestructura en la nube, contenedorización, orquestación y herramientas de despliegue de ML.
- Experiencia previa en aplicaciones industriales, de fabricación, IoT o de mantenimiento predictivo.
COMPENSACIÓN Y BENEFICIOS
- Compensación competitiva
- 30 días de vacaciones pagadas
- Estipendio para educación y cursos
- Gana un viaje a cualquier parte del mundo cada 4 años
- R$1.035/mes para subsidio de comidas
- Plan de salud con cobertura nacional y sin coparticipación
- Seguro Dental: te ayudamos con el tratamiento dental para una mejor calidad de vida.
- Membresía Wellhub: Accede a una amplia gama de gimnasios y programas de entrenamiento.
Más oportunidades con un solo perfil
¿Quieres optar a más puestos sin repetir todo el proceso? Crea tu perfil para que te encuentren las empresas que usan Nort.
Crear mi perfil
