Brasil
C6 Bank
Tractian
Cientista de Dados - Manutenção Preditiva
RemotoBrasil
São Paulo, São Paulo, Brazil
Python
Tradução automática. Consulte o original.
CIÊNCIA DE DADOS NA TRACTIAN
A equipe de Ciência de Dados da Tractian constrói sistemas de machine learning que transformam dados industriais em inteligência confiável e acionável. Trabalhando com dados de sensores em larga escala e sinais complexos de séries temporais, desenvolvemos modelos que ajudam empresas industriais a entender o comportamento de equipamentos, detectar anomalias, antecipar falhas e tomar melhores decisões de manutenção.
Nosso foco vai além do desenvolvimento de modelos. Construímos e evoluímos soluções de ML prontas para produção, combinando técnicas avançadas de modelagem e sistemas de software robustos. Isso inclui o projeto de pipelines de inferência escaláveis, o monitoramento do desempenho do modelo em ambientes reais, o tratamento de desvios de dados e de conceitos, e a garantia de que nossos modelos permaneçam confiáveis à medida que o comportamento das máquinas e as condições operacionais mudam.
O QUE VOCÊ FARÁ
Como Cientista de Dados focado em Séries Temporais e Manutenção Preditiva, você desenvolverá, implantará e aprimorará continuamente sistemas de machine learning que operam com dados industriais do mundo real.
Você trabalhará em todo o ciclo de vida de ML, desde a exploração de novas abordagens de modelagem e validação de hipóteses até a construção de sistemas de inferência prontos para produção e o monitoramento de seu comportamento em escala. Você enfrentará desafios envolvendo séries temporais não estacionárias, equipamentos heterogêneos, dados de sensores ruidosos, desvios de distribuição e as restrições operacionais da implantação de ML em ambientes industriais.
Você colaborará estreitamente com Cientistas de Dados, Engenheiros de Software e equipes de laboratório para transformar pesquisa e experimentação em produtos confiáveis que entregam valor mensurável aos nossos clientes.
RESPONSABILIDADES
- Desenvolver modelos de ML de séries temporais: Projetar e implementar algoritmos de machine learning para detecção de anomalias, previsão, modelagem de comportamento e monitoramento de condição usando dados de sensores industriais em larga escala.
- Produzir soluções de machine learning: Traduzir modelos experimentais em sistemas de produção confiáveis, manteníveis e escaláveis, considerando latência de inferência, eficiência computacional, uso de memória e custos operacionais.
- Construir sistemas de monitoramento e avaliação de modelos: Projetar métricas, diagnósticos e mecanismos de monitoramento para rastrear qualidade de dados, distribuições de features, pontuações de anomalia, estabilidade de predição e desvios e desempenho do modelo ao longo do tempo.
- Projetar estratégias de modelagem robustas: Investigar abordagens que equilibrem desempenho preditivo, generalização, adaptabilidade, interpretabilidade e custos de manutenção sob condições operacionais em mudança.
- Engenharia de representações de séries temporais: Desenvolver técnicas de extração de features, processamento de sinais e aprendizado de representação para capturar padrões temporais e físicos significativos a partir de dados de sensores industriais.
- Executar experimentos rigorosos: Formular hipóteses, projetar experimentos controlados, comparar abordagens alternativas e avaliar modelos usando estratégias de validação temporal apropriadas e cenários de implantação realistas.
- Otimizar pipelines de ML: Melhorar o processamento de dados, a computação de features, o serviço de modelos e os fluxos de trabalho de inferência para suportar aplicações de alto volume, baixa latência e eficiência de recursos.
- Conectar pesquisa e produção: Avaliar métodos de ponta e traduzir técnicas promissoras em soluções práticas, testáveis e prontas para produção.
- Colaborar entre disciplinas: Trabalhar com engenheiros de software, equipes de produto e especialistas de laboratório para validar modelos, investigar casos de falha e melhorar continuamente a confiabilidade de nossos produtos de manutenção preditiva.
REQUISITOS
- Sólido conhecimento em machine learning, com experiência prática no desenvolvimento de modelos para dados de séries temporais, detecção de anomalias, previsão ou problemas relacionados de modelagem sequencial.
- Proficiência em Python e bibliotecas comuns de ML e processamento de dados, como NumPy, pandas, scikit-learn, PyTorch, ou frameworks equivalentes.
- Experiência em levar modelos de machine learning da experimentação para a produção, incluindo organização de código, testes, otimização de desempenho e integração com pipelines de dados ou inferência.
- Sólido entendimento dos fundamentos de séries temporais, incluindo dependências temporais, não estacionariedade, sazonalidade, ruído e estratégias de validação apropriadas.
- Compreensão de desvios de dados e degradação de modelos em produção, incluindo técnicas para monitorar desvios de distribuição, avaliar a estabilidade do modelo e identificar quando atualizações de modelo são necessárias.
- Fortes habilidades em engenharia de software, incluindo escrita de código modular, testável e mantenível, e projeto de soluções que possam operar de forma confiável em escala.
- Experiência em projetar experimentos e comparar modelos usando métricas apropriadas, baselines e metodologias de validação.
- Capacidade de analisar dados complexos, ruidosos e de alta dimensionalidade e traduzir descobertas empíricas em decisões técnicas sólidas.
- Proficiência em inglês e português.
PONTOS BÔNUS
- Experiência com séries temporais de dados de sensores, particularmente vibração, aceleração, velocidade, corrente, temperatura, pressão ou outros sinais de sensores.
- Conhecimento em processamento de sinais, análise espectral, engenharia de features e monitoramento de condição.
- Experiência com observabilidade de ML em produção, monitoramento de modelos, avaliação automatizada, pipelines de retreinamento ou gerenciamento do ciclo de vida do modelo.
- Experiência com aprendizado online, modelos adaptativos, aprendizado não supervisionado ou autossupervisionado, ou métodos projetados para lidar com distribuições de dados em mudança.
- Experiência em traduzir pesquisa acadêmica em sistemas de ML confiáveis e prontos para produção.
- Familiaridade com infraestrutura de nuvem, conteinerização, orquestração e ferramentas de implantação de ML.
- Experiência prévia em aplicações industriais, de manufatura, IoT ou de manutenção preditiva.
COMPENSAÇÃO E BENEFÍCIOS
- Remuneração Competitiva
- 30 dias de férias anuais remuneradas
- Subsídio para educação e cursos
- Ganhe uma viagem para qualquer lugar do mundo a cada 4 anos
- R$1.035/mês para auxílio alimentação
- Plano de saúde com cobertura nacional e sem coparticipação
- Seguro Odontológico: ajudamos você com tratamento dentário para uma melhor qualidade de vida.
- Assinatura Wellhub: Acesso a uma ampla rede de academias e programas de treinamento.
Mais oportunidades com um só perfil
Quer aparecer para várias vagas sem repetir todo o processo? Crie seu perfil e seja encontrado pelas empresas que usam a Nort.
Criar meu perfil
