Quando você pensa em carreira, o que vem à sua mente? Propósito? Colaboração? Ser protagonista para fazer a diferença? No PagBank temos tudo isso e muito mais. 💛Estamos em busca de pessoas que vistam a camisa com orgulho. Gente com vontade de facilitar a vida financeira das pessoas e impulsionar negócios! Tá a fim de uma carreira que rende mais? Confira essa oportunidade e #VemProPags!
Responsabilidades e atribuições
Desenvolvimento de modelos preditivos, ciclo completo com criação de target, features e deploy, para aplicação no contexto de Crédito e Cobrança. Realizar análises exploratórias, segmentações e estudos ad hoc para identificação de oportunidades e mitigação de riscos. Otimização de processos e melhoria contínua dos modelos. Interação com times de engenharia e produtos para garantir a escalabilidade das soluções. Traduzir demandas de negócio em soluções orientadas por dados. Preparar apresentações executivas com recomendações e insights para público técnico e não técnico.
Requisitos e qualificações
Superior completo Estatística, Matemática, Ciência da Computação, Engenharia e áreas correlatas. Conhecimento de linguagens de programação (estrutura e lógica): Python, R, SQL. Domínio de estatística e ciência de dados aplicada (Modelos de classificação como, Random Forest, XG
Boost, LightGBM)e modelos de regressão). Conhecimento em conceitos de criação de book de target no universo de riscos e criação de book de covariáveis (feature Engineer e feature Store). Experiência em estrutura e manipulação de dados em Spark. Conhecimento de gerais de estrutura Cloud (AWS, ou Azure, GCP). Experiência com Github. Conceitos básicos de LLMs (GPT, Claude, Gemini, Llama) e Conhecimento sobre limitações de modelos (alucinações, contexto e viés). Noções de Prompt Engineering.
Informações adicionais
Modelagem de probabilidade de inadimplência utilizando técnicas de machine learning. Desenvolvimento de modelos para detecção de fraude em transações financeiras (ex.: análise de padrões de transações para identificar atividades suspeitas). Implementação de modelos para monitoramento de conformidade com regulamentos de PLD (identificação de transações suspeitas e clientes de risco). Apoio no desenvolvimento de modelos para estratégias de cobrança preditiva, determinando as melhores abordagens com base no risco de pagamento.
