Escolha o cargo mais próximo — dá pra ajustar competência por competência depois.
Projeta, constrói, testa e mantém software que resolve problemas reais de negócio: transforma requisitos em soluções funcionando em produção, com código legível, testado e fácil de evoluir. Toma decisões de arquitetura e de modelagem, escolhe as ferramentas e os padrões adequados ao problema, revisa o código de outras pessoas e investiga e corrige falhas complexas, olhando para desempenho, segurança e custo de operação. Trabalha junto com produto, design e outras áreas para entender o que precisa ser entregue, estimar o esforço e comunicar riscos e trade-offs com clareza. Entrega software confiável e sustentável ao longo do tempo, não só código que funciona hoje. O foco é a engenharia de software de ponta a ponta, não a análise de dados nem a definição de produto.
Transforma dados em respostas para perguntas de negócio: levanta e consolida informações de diferentes fontes, trata e valida a qualidade do dado, consulta com SQL e ferramentas especializadas, calcula indicadores e constrói análises, painéis e relatórios que explicam o que aconteceu e por quê. Trabalha junto com as áreas de negócio para entender a decisão que precisa ser tomada, escolhe o recorte e a métrica certos e comunica os achados e as limitações de forma que quem decide aja com confiança. Entrega insight que apoia uma decisão, não só números e gráficos. O foco é a análise e a comunicação do dado existente, não a construção da plataforma de dados nem o desenvolvimento de modelos preditivos.
Constrói e mantém a infraestrutura que leva o dado da origem até quem o usa: pipelines de ingestão e transformação (em lote e em tempo real), modelagem em data warehouse e data lake, orquestração e automação. Responde pela confiabilidade, qualidade, custo e governança dos dados em produção, para que análises, produtos e modelos de IA recebam dado correto, no prazo e documentado. O foco é a engenharia da plataforma de dados, não a geração de insight.
Usa estatística, aprendizado de máquina e experimentação para responder perguntas de negócio que a análise descritiva não resolve: prever, classificar, estimar causa e efeito e otimizar decisões. Formula o problema junto com a área de negócio, prepara os dados, desenvolve e valida modelos, desenha e interpreta testes A/B e comunica incerteza e impacto de forma que quem decide entenda. Entrega modelos e conclusões que mudam uma decisão, não só relatórios.
Coloca modelos de IA em funcionamento dentro de produtos e processos, inclusive modelos de linguagem de grande porte (LLMs): integra modelos próprios ou de terceiros, desenha prompts, recuperação de contexto (RAG) e agentes, avalia a qualidade das respostas com conjuntos de teste e monitora custo, latência e segurança em produção. Combina engenharia de software com conhecimento prático de como modelos se comportam e falham. O foco é IA confiável em uso real, não pesquisa de modelos novos.
Usamos cookies para entender como o site é usado. Você escolhe quais permitir. Recusar desliga cookies e identificadores; uma contagem anônima de páginas visitadas continua.