Cientista de Dados Sênior

A Pagaleve é uma empresa do setor de "Buy Now Pay Later", uma startup fintech inovadora e uma das primeiras empresas a oferecer pagamento parcelado no PIX, sem juros, e sem a necessidade de usar cartão de crédito. Temos como objetivo oferecer a lojistas um novo método de pagamento, para aumentar suas vendas de um jeito simples, descomplicado e ágil, mas também temos como objetivo oferecer às pessoas a oportunidade de comprar aquilo que desejam, sem se comprometerem com os altos juros do cartão de crédito.Estamos buscando uma pessoa curiosa, hands-on e apaixonada por resolver problemas reais com dados e machine learning. Na Pagaleve, Ciência de Dados está no centro do negócio: nossos modelos impactam diretamente decisões de crédito, fraude, pricing, collections e experiência do usuário.Trabalhamos com alto volume de dados, problemas complexos e espaço real para experimentação. A posição terá forte interação com Produto, Engenharia, Riscos e Operações, participando desde análises exploratórias e experimentos até desenvolvimento e acompanhamento de modelos em produção.Encorajamos a experimentação com o estado-da-arte em IA e Machine Learning, incluindo o uso de Graph Neural Networks (GNNs) para aprimoramento de sistemas de risco e a exploração de LLMs para problemas de negócio. Buscamos alguém com mentalidade prática, curiosidade técnica e vontade de aprender rápido em um ambiente dinâmico e em constante evolução.Responsabilidades e atribuições● Desenvolver, testar e evoluir modelos de machine learning aplicados a crédito, fraude, risco e comportamento do usuário.● Explorar novas técnicas, variáveis e abordagens analíticas com foco em impacto real no negócio.● Participar do ciclo de vida completo (end-to-end) dos modelos, incluindo design, implementação e manutenção de pipelines de dados e ML em produção, garantindo estabilidade e performance.● Trabalhar próximo de Engenharia, Produto e Riscos para transformar problemas de negócio em soluções analíticas e modelos escaláveis.● Realizar análises exploratórias, testes, experimentos e avaliações de performance de modelos.● Acompanhar métricas de negócio e performance dos modelos, ajudando a identificar oportunidades de melhoria.● Contribuir para boas práticas de desenvolvimento, versionamento e qualidade técnica do time.Requisitos e qualificaçõesO que buscamos● Experiência prévia com Ciência de Dados, Machine Learning ou Analytics.● Boa base em estatística, modelagem preditiva e análise de dados.● Experiência com Python e bibliotecas de machine learning.● Familiaridade com modelos supervisionados, feature engineering e avaliação de modelos.● Experiência com SQL e grandes volumes de dados.● Curiosidade para explorar novas abordagens e vontade de aprender constantemente.● Perfil analítico, pragmático e confortável em ambientes dinâmicos e com mudanças rápidas de contexto.● Boa comunicação e capacidade de trabalhar de forma colaborativa com diferentes áreas.Diferenciais● Experiência em fintechs, crédito, fraude, risco ou pagamentos.● Experiência com modelos em produção ou temas de MLOps.● Familiaridade com gradient boosting, redes neurais, Graph Neural Networks ou LLMs.● Experiência com Foundational Models e Embbedings.● Experiência com ambiente de Cloud.● Conhecimento em Airflow, MLflow, Feast ou ferramentas similares.● Inglês avançado.Por que a Pagaleve?● Problemas complexos e reais desde o primeiro dia.● Espaço para experimentação, aprendizado rápido e impacto direto no negócio.● Ambiente altamente colaborativo, com proximidade entre áreas técnicas e de negócio.● Autonomia para testar ideias, construir soluções e participar ativamente da evolução dos modelos e produtos da empresa.● Oportunidade de atuar em uma das fintechs que mais cresce no Brasil.Informações adicionaisModelo de Contratação PJ;Remuneração Competitiva;Pensando no seu bem-estar e de toda sua família, oferecemos plano de saúde com cobertura 100% do titular e 75% para o primeiro dependente;Ifood Benefícios;Day Off no mês de aniversário;Seguro de Vida Coletivo;Cupom de desconto nas nossas lojas parceiras;Modelo remoto de trabalho.