Skills
Python (Pandas)
SQL
Machine Learning (scikit-learn, XGBoost, CatBoost, TensorFlow, Keras)
Sobre a Vaga
Na Braze, você fará parte do time Forward-Deployed Data Scientist II, atuando junto a clientes para garantir sucesso nas implementações e apoiar a evolução do produto com insights técnicos e orientados a dados.
Este papel combina colaboração com times de Analytics/BI, construção de pipelines e apoio na configuração de modelos de Machine Learning, incluindo o avanço de algoritmos de reinforcement learning para soluções de autoaprendizado.
Responsabilidades
- Trabalhar em conjunto com equipes de Analytics/BI dos clientes e com colegas da Braze para definir casos de uso, integrar dados, configurar pipelines e parametrizar modelos de ML
- Melhorar a arquitetura e desenvolver pipelines de dados reutilizáveis, além de APIs e componentes para ampliar capacidades do produto
- Atuar em parceria com o time de desenvolvimento de RL para refinar e evoluir algoritmos de reinforcement learning (autoaprendizado)
- Contribuir para a estratégia e o roadmap do BrazeAI com base em aprendizados e necessidades observadas em clientes
- Oferecer suporte técnico contínuo para garantir adoção bem-sucedida, resultados mensuráveis e sustentabilidade do sucesso do cliente
Requisitos
- Formação em Ciência da Computação, Ciência de Dados, Matemática, Engenharia ou área relacionada (mestrado ou doutorado é um diferencial)
- Experiência prática de 3–5+ anos como Data Scientist, Machine Learning Engineer ou função equivalente, com dados em escala e ambientes de produção
- Python com foco em Pandas e bibliotecas essenciais de ML como TensorFlow, Keras, scikit-learn, CatBoost e XGBoost
- Conhecimento sólido em SQL para consultas e manipulação de dados, além de experiência com pipelines de ML e implantação de modelos
- Boas práticas de engenharia: código modular, bem documentado, uso de Git, CI/CD, testes, code review e type-hinting; capacidade de criar soluções escaláveis e sustentáveis
- Experiência ou familiaridade com atuação consultiva/voltada a clientes e comunicação clara com stakeholders técnicos e não técnicos
Beneficios
- Remuneração competitiva, podendo incluir equity
- Planos de saúde e benefícios abrangentes (conforme local)
- Tempo flexível para descanso e políticas de folga remunerada
- Programas de desenvolvimento profissional e suporte a trilhas de carreira
- Ambiente de trabalho híbrido com foco em equilíbrio entre vida pessoal e profissional
- Oportunidades de participação em iniciativas de voluntariado e grupos de afinidade (ERGs)