# Cientista de Dados Sênior **Empresa:** Leega Consultoria **Modalidade:** Remoto **Contrato:** CLT **Publicada em:** 2026-09-24 ## Descrição A Leega é uma empresa focada no atendimento eficiente e inovador em seus clientes. Isso não poderia ser diferente com o nosso principal combustível: as pessoas! Nossa cultura é inspiradora e nossos valores estão presentes no dia a dia: ética e transparência, excelência de qualidade, trabalho em equipe, responsabilidade econômica, social e ambiental, relações humanas e credibilidade. Buscamos profissionais inovadores que sejam movidos por desafios e focados em resultados. Se você busca uma empresa dinâmica e parceira e que investe em seus colaboradores através de capacitação constante, a Leega é o lugar para você!>> A LEEGA É PARA TODOS, ficaremos muito felizes em ter você em nosso time. Venha fazer parte da nossa história e da construção do nosso futuro. Cadastre-se agora mesmo em nossas vagas! Responsabilidades e atribuições Sobre a oportunidadeVocê vai transformar dados de demanda, ocupação e comportamento de compra em modelos que precificam uma malha com milhares de pares origem-destino e rotas multi trecho — um problema de revenue management cientificamente rico, com inventário perecível de assentos, sazonalidade forte, no-show e tetos regulatórios. É um papel centrado na descoberta: formular hipóteses, validá-las com rigor estatístico e mover receita e margem na escala de milhões de viagens por ano. Seus Desafios Investigação e EDA — conduzir análise exploratória e estatística para descobrir padrões, levantar hipóteses e guiar a modelagem. Previsão de demanda — modelar demanda e no-show por par origem-destino com gradient boosting e séries temporais, corrigindo o viés de demanda censurada (unconstrained demand). Elasticidade e disposição a pagar — estimar elasticidade-preço e willingness-to-pay por segmento e rota, base para a otimização de preço. Revenue management em rede — modelar proteção de assentos e alocação de capacidade (fare buckets) em rotas multi-trecho, equilibrando ocupação e receita. Experimentação causal — desenhar testes A/B e inferência causal que validam mudanças de preço e medem uplift real, com critérios estatísticos claros de promoção. Explicabilidade e confiança — garantir interpretabilidade (ex.: SHAP) para defender cada preço perante o negócio e o regulador. Cold start e calibração — desenhar estratégias para rotas com pouco histórico, partindo de priors de literatura e evoluindo para ML, por tenant. Você é a ponte entre ciência e produto: colabora com ML engineers no caminho até produção, com data engineers na disponibilidade dos dados, e com as áreas comercial e de operações na definição das metas. Requisitos e qualificações Stack &amp Ferramentas Linguagem &amp libs: Python (pandas, NumPy, scikit-learn, statsmodels), XG Boost, LightGBM Estatística & ML clássico: EDA, modelos estatísticos, regressão, classificação, clustering Deep learning: PyTorch, Tensor Flow Causal &amp temporal: séries temporais/forecasting, inferência causal (ex.: EconML, DoWhy), bayesiano/hierárquico Revenue management &amp otimização: elasticidade, fare buckets / seat protection, programação linear Experimentação, MLOps &amp dados: A/B testing, JupyterHub, MLflow, Ray Tune SHAP, SQL, Cube.js sobre Athena O que Buscamos Essenciais Formação quantitativa sólida (Estatística, Economia, Matemática, Engenharia, CC ou afim) e base robusta em probabilidade, inferência e desenho experimental. Análise exploratória de dados (EDA) e forte capacidade de storytelling e visualização. ML clássico (regressão, classificação, clustering) e séries temporais; familiaridade com deep learning (PyTorch ou Tensor Flow). Python e o ecossistema de Data Science (pandas, scikit-learn, statsmodels); SQL para dados em larga escala. Inferência causal e/ou testes A/B e medição de impacto. Comunicação científica clara e conforto com desenvolvimento assistido por IA (Claude Code). Diferenciais Revenue management ou pricing em transporte, aviação ou hotelaria (domínios canônicos de RM). Pesquisa operacional e otimização (programação linear; Gurobi, HiGHS ou OR-Tools). Deep learning aplicado (PyTorch, Tensor Flow) — ex.: demanda com embeddings ou modelos sequenciais. ML causal (EconML, DoWhy) e modelagem bayesiana/hierárquica (PyMC, Stan). Reinforcement Learning (em especial RL offline) e ecossistema Ray. Pós-graduação (Mestrado/Doutorado) e experiência com LLMs/RAG. Informações adicionais Trabalho RemotoTempo de Projeto: 6 meses, com possibilidade de extensão/internalização. ## Habilidades - Python - Estatística - Machine Learning - Deep Learning - SQL **Página original:** https://www.123vagas.com.br/vaga/cientista-de-dados-senior-remoto-1790261309144-90871