Pesquisador em AI
Pesquisador em AI
Neospace | Modelo: presencial (negociável)
Sobre a Neospace
A NeoSpace é uma startup inovadora que está moldando o futuro da tecnologia com soluções de inteligência artificial de ponta. Desenvolvemos modelos de IA especializados para otimizar processos e transformar a experiência de nossos clientes. Nosso objetivo é simplificar a vida das pessoas e aumentar a eficiência das empresas, criando produtos e serviços mais inteligentes e acessíveis.
O que buscamos
O Pesquisador am AI (Modelagem de Deep Learning) será responsável por investigar, desenvolver e validar novas arquiteturas, técnicas de treinamento e metodologias avançadas para modelos de aprendizado profundo. A função envolve pesquisa aplicada e exploratória, contribuindo tanto para a evolução científica da área quanto para o desenvolvimento de soluções inovadoras direcionadas ao produto e à estratégia da organização.
Responsabilidades
- Conduzir pesquisas avançadas envolvendo arquiteturas neurais modernas (Transformers, Diffusion Models, RNNs avançadas, Graph Neural Networks, modelos multimodais etc.).
- Desenvolver e avaliar algoritmos e pipelines de treinamento em grande escala, incluindo otimização, regularização, paralelização e técnicas de aceleração.
- Formular hipóteses, projetar experimentos e analisar resultados quantitativos e qualitativos com rigor científico.
- Propor melhorias em modelos existentes, explorando novas técnicas, arquiteturas e paradigmas de deep learning.
- Criar protótipos experimentais e demonstrar sua viabilidade para stakeholders técnicos.
- Colaborar com equipes de engenharia, produto e ciência para transformar pesquisa em soluções de impacto.
- Documentar experimentos, metodologias e descobertas em relatórios técnicos e publicações internas/externas.
- Acompanhar o estado da arte em IA, participando de conferências, benchmarkings e revisões sistemáticas da literatura.
Requisitos
- Forte domínio de Python e frameworks de DL (PyTorch preferencialmente; TensorFlow como adicional).
- Experiência prática no desenvolvimento e treinamento de modelos de deep learning em GPU/TPU.
- Sólido conhecimento de matemática aplicada: álgebra linear, cálculo, otimização, estatística e fundamentos de probabilidade.
- Conhecimento profundo dos fundamentos de redes neurais modernas e suas variantes (attention mechanisms, embeddings, convoluções, normalizações, técnicas de regularização, métodos de pré-treinamento).
- Experiência com manipulação de grandes datasets e técnicas de data augmentation.
- Familiaridade com infraestrutura moderna: ambientes distribuídos, treinamento paralelizado, mixed precision, profiling de modelos.
- Capacidade de implementar papers do estado da arte a partir de descrições experimentais e resultados
- Forte capacidade de condução de pesquisa exploratória com autonomia.
- Pensamento crítico e rigor científico no desenho e execução de experimentos.
- Clareza na comunicação de hipóteses, descobertas e limitações.
- Colaboração com equipes de engenharia, ciência e produto.
- Curiosidade intelectual e disposição para aprendizagem contínua.
- Resiliência frente a incertezas e experimentos de ciclo longo.
Diferenciais
- Experiência com LLMs, modelos generativos (GANs, diffusion), ou modelos multimodais de larga escala.
- Atuação prévia com pesquisa aplicada ou acadêmica; publicações em conferências de alto impacto (NeurIPS, ICML, ICLR, CVPR etc.).
- Experiência com MLOps de pesquisa: MLflow, Weights & Biases, DVC, ferramentas de rastreamento de experimentos.
- Conhecimento de arquiteturas de hardware acelerador (CUDA, kernels customizados, otimização de memória).
- Experiência em compressão de modelos (pruning, quantization, distillation) e deploy otimizado.
- Domínio de técnicas de avaliação, metric learning e benchmark científico.
- Familiaridade com simulações, modelagem matemática avançada ou física computacional.
Formação
- Graduação em Ciências da Computação, Estatística, Matemática, Engenharia Elétrica/Computação, Física ou áreas correlatas.
- Mestrado ou doutorado em Aprendizado de Máquina, Inteligência Artificial, Deep Learning ou áreas relacionadas é fortemente desejável/diferencial.
- Publicações e contribuições para a comunidade de IA são diferenciais relevantes.
Cientista de Dados
Cientista de Dados
Neospace | Modelo: presencial (negociável)
Sobre a Neospace
A NeoSpace é uma startup inovadora que está moldando o futuro da tecnologia com soluções de inteligência artificial de ponta. Desenvolvemos modelos de IA especializados para otimizar processos e transformar a experiência de nossos clientes. Nosso objetivo é simplificar a vida das pessoas e aumentar a eficiência das empresas, criando produtos e serviços mais inteligentes e acessíveis.
O que buscamos
O Cientista de Dados será responsável por desenvolver soluções analíticas que apoiem decisões estratégicas, desde a formulação de hipóteses e exploração de dados até a construção, validação e implantação de modelos preditivos e análises avançadas. O profissional atuará em estreita colaboração com squads multidisciplinares, contribuindo para elevar a maturidade analítica da organização.
Responsabilidades
- Conduzir análises exploratórias complexas e identificar padrões, anomalias e oportunidades de negócio.
- Desenvolver, validar e monitorar modelos estatísticos e de machine learning voltados à previsão, classificação, recomendação ou otimização.
- Estruturar, transformar e preparar dados provenientes de múltiplas fontes, garantindo qualidade, consistência e governança.
- Construir pipelines de dados e de modelagem, promovendo escalabilidade e reprodutibilidade.
- Colaborar com times de engenharia de dados, produto e negócio para definir requisitos, métricas de sucesso e integrações de modelos.
- Elaborar experimentos (A/B tests, testes multivariados) e análises de impacto.
- Documentar metodologias, processos e métricas, garantindo clareza e rastreabilidade das soluções.
- Comunicar insights de forma objetiva, utilizando visualizações e narrativas orientadas a stakeholders técnicos e não técnicos.
Requisitos Técnicos
- Experiência sólida em Python ou R para análise e modelagem.
- Domínio de bibliotecas científicas e de machine learning (pandas, NumPy, scikit-learn, statsmodels, etc.).
- Experiência com modelagem estatística, regressão, classificação, séries temporais e técnicas de validação.
- Conhecimentos de SQL para consultas eficientes em bases relacionais.
- Experiência com versionamento (Git) e boas práticas de desenvolvimento.
- Familiaridade com ambientes de computação distribuída ou nuvem (AWS, GCP, Azure).
- Conhecimento em visualização de dados (Matplotlib, Seaborn, Plotly, Power BI ou similares).
Requisitos Comportamentais
- Capacidade analítica e pensamento crítico.
- Proatividade para explorar hipóteses e propor soluções.
- Clareza na comunicação oral e escrita.
- Colaboração com equipes multidisciplinares.
- Orientação a resultados e foco em valor de negócio.
- Adaptabilidade em ambientes ágeis e dinâmicos.
Diferenciais
- Experiência com aprendizado profundo (PyTorch, TensorFlow).
- Vivência com MLOps (MLflow, Kubeflow, SageMaker, Vertex AI).
- Conhecimento de arquiteturas de dados modernas (Delta Lake, Lakehouse, Spark).
- Experiência com implantação de modelos em produção (APIs, contêineres, CI/CD).
- Práticas de experimentação estatística avançada (causal inference, bayesian modeling).
- Conhecimentos de negócios específicos do setor da empresa.
Formação
- Graduação em Ciência de Dados, Estatística, Matemática, Ciências da Computação, Engenharias ou áreas correlatas.
- Pós-graduação, mestrado, doutorado ou certificações em Inteligência Artificial e Data Science são diferenciais.
The full posting opens here — pay, setting and the full description, without leaving the list.