Cientista de Dados

A Dadoteca é uma empresa inovadora no setor de tecnologia dedicada a fornecer soluções de alta qualidade para nossos clientes por meio de um ambiente de trabalho colaborativo que impulsiona o desenvolvimento profissional e a inovação.

Atividades:

• Projetar e implementar modelos de OCR utilizando frameworks e bibliotecas avançadas para extração de dados de documentos estruturados e não estruturados.
• Analisar preparar e pré-processar grandes volumes de dados textuais e numéricos para uso em modelos de aprendizado de máquina e deep learning.
• Desenvolver pipelines de processamento de dados incluindo extração transformação e armazenamento dos resultados de OCR.
• Integrar soluções de OCR com outras ferramentas e sistemas para automatizar fluxos de trabalho e processos de análise de dados.
• Realizar treinamentos e ajustes finos em modelos de OCR para melhorar a acurácia em cenários específicos como diferentes idiomas fontes formatos e níveis de ruído.
• Explorar e aplicar técnicas de PNL (Processamento de Linguagem Natural) para enriquecer a análise e categorização dos textos extraídos.
• Aplicar técnicas de Quimiometria e análise multivariada (como PCA PLS regressão multivariada e métodos de classificação) para modelagem interpretação de dados complexos e apoio à tomada de decisão.
• Desenvolver modelos preditivos combinando dados textuais numéricos e espectrais quando aplicável.
• Colaborar com equipes multidisciplinares para garantir a integração das soluções de OCR e Quimiometria em projetos maiores de análise de dados.
• Monitorar e melhorar o desempenho dos modelos em produção garantindo escalabilidade robustez e confiabilidade.
• Pesquisar novas tecnologias relacionadas a OCR inteligência artificial e Quimiometria mantendo-se atualizado(a) com as tendências do setor.

Requisitos:

• Formação superior em Ciência da Computação Engenharia Matemática Estatística Química Engenharia Química ou áreas correlatas. Pós-graduação ou especialização em Ciência de Dados IA ou Quimiometria é desejável.
• Experiência consolidada em projetos de ciência de dados com foco em OCR processamento de imagens e/ou análise multivariada.
• Conhecimento prático em Quimiometria incluindo técnicas como PCA PLS regressão multivariada métodos de classificação e validação de modelos.
• Conhecimento avançado em frameworks de deep learning como TensorFlow PyTorch ou Keras.
• Experiência com bibliotecas de OCR como Tesseract Google Vision AWS Textract ABBYY FineReader ou similares.
• Habilidade com técnicas de pré-processamento de imagens (OpenCV ou PIL) para melhoria da qualidade dos documentos.
• Conhecimento em linguagens de programação como Python ou R com foco em aplicações de ciência de dados e modelagem estatística.
• Familiaridade com bancos de dados relacionais e não relacionais para armazenamento e consulta de dados.
• Experiência com ferramentas de versionamento de código (Git) e práticas de MLOps.

Competências:

• Capacidade de traduzir problemas de negócios complexos em soluções analíticas e técnicas eficientes.
• Orientar equipes em projetos de alta complexidade e contribuir para o crescimento técnico de colegas.
• Compromisso com a entrega de soluções de alta qualidade e impacto mensurável.
• Habilidade de apresentar insights técnicos a públicos técnicos e não técnicos de forma clara e objetiva.
• Proatividade para propor soluções inovadoras e superar desafios técnicos.

Diferenciais:

• Experiência aplicada em Quimiometria para dados reais incluindo interpretação de modelos e comunicação de resultados para áreas de negócio.
• Familiaridade com modelos pré-treinados como Google Vision AI AWS Textract ou Azure Cognitive Services.
• Conhecimento em técnicas avançadas de PNL para análise e organização de textos extraídos.
• Experiência com implantação de soluções de OCR e modelos quimiométricos em ambientes de produção e escaláveis incluindo nuvem (Azure AWS Google Cloud).
• Certificações relevantes como Microsoft Certified: Azure AI Engineer Associate ou Google Cloud Professional Data Engineer.