• Definir o trabalho em casos de uso de ML/análises: trabalhar com clientes para entender suas necessidades e projetar soluções quantitativas para atender a essas necessidades, seja por meio de aprendizado de máquina, análises, pipelines de dados e visualização, ou outros métodos.
• Adquirir, limpar e avaliar a integridade dos conjuntos de dados: sejamos realistas, essa é uma parte complicada e satisfatória de 25% do trabalho. Usamos o Google Cloud Platform para muitos componentes do nosso fluxo de trabalho de aprendizado de máquina.
• Explorar dados e suas fontes: procurar padrões e sinais nos dados, identificar campos importantes, extrair insights e discernir se o aprendizado de máquina pode realmente se aplicar ao problema.
• Desenvolver e avaliar modelos de aprendizado de máquina: engenharia de recursos, experimentação com diferentes tipos de modelos, escolha das métricas certas para medir o desempenho, análise do desempenho e resultados do modelo (por exemplo, importância dos recursos, estabilidade do modelo, desempenho em diferentes grupos), etc.
• Entender o design e as decisões do modelo: explicar como os modelos funcionam internamente e como um modelo chegou a uma determinada previsão, escolher a família de modelos certa e justificar as compensações de precisão para um desempenho mais rápido.
• Estratégia de implementação e aplicação: recomendar maneiras pelas quais o cliente pode usar as saídas do modelo em seus negócios, muitas vezes envolvendo colaboração com o cliente e outros membros da equipe da Thinking Machines (por exemplo, Estrategistas, Analistas de Inteligência de Negócios).
• Pesquisa e acompanhamento com o espaço tecnológico: leitura de artigos ML publicados e implementação de versões aprimoradas de seus modelos em novos domínios
  
  

• Conforto com modelos de aprendizado de máquina - Você tem uma compreensão demonstrada de modelos clássicos de aprendizado de máquina para classificação e regressão (por exemplo, árvores de decisão, modelos em conjunto, SVMs etc). Candidatos que visam posições mais seniores nesta função devem ter conhecimento avançado em pelo menos uma área específica. Aqui estão algumas categorias aproximadas:
• Modelos de Predição Sequencial (por exemplo, previsão de séries temporais, LSTMs etc)
• Visão Computacional (por exemplo, CNNs, SSDs etc.)
• Modelagem Geoespacial (por exemplo, GeoPandas, GIS, Clay, UNet, etc.)
• LaGenAI ou Modelos de Linguagem (por exemplo, GPT, Gemini, Claude, engenharia de prompt, RAG, incorporações de palavras, representações de texto, etc.)
• Conforto com código - Você pode usar sua máquina local para raspar, carregar e analisar conjuntos de dados moderadamente grandes sem muita assistência.
• Comunicação clara - Ajudamos os clientes a obter o máximo de seus dados, por isso diagnosticamos suas necessidades de forma eficaz, fazemos a análise corretamente e comunicamos nossas descobertas de uma forma que leva à compreensão e à ação. No mínimo, você precisa ser capaz de articular seus pontos de forma lógica e estar disposto a aprender esse conjunto de habilidades enquanto cresce conosco.
• Abordagem consciente da aplicação para soluções - Você deve ser capaz de projetar e desenvolver soluções que tenham um impacto potencial claro no trabalho dos clientes e ter uma visão de como eles podem usá-las em aplicações do mundo real.
• Curiosidade produtiva - Você faz muitas das perguntas certas. Encontrou uma correlação surpreendente? Mergulhe nos dados brutos para validá-la.
• Gosta tanto de ensinar quanto de aprender - Acreditamos que a ciência de dados é um campo incrível para se estar hoje. Há uma enorme quantidade de novo material para aprender, todos nós queremos aprendê-lo e estamos procurando alguém que queira contribuir para o crescimento de todos. Como parte de nossa entrevista de emprego, pediremos que você leia e resuma um artigo sobre aprendizado de máquina para nós.
• Forte senso de iniciativa - Você está sempre procurando maneiras de ser útil e odeia não ter nada para fazer.
• Inteligência social - É muito importante que você trabalhe bem com os outros e prospere em um ambiente com muito trabalho em equipe e interação interpessoal.

• Pelo menos 2 anos de experiência em ciência de dados, análises ou outros campos relacionados.
• Se você tiver menos de dois anos de experiência na área, esteja preparado para mostrar um portfólio de Projetos de Aprendizado de Máquina!
• graus de graduação/ pós-graduação em Ciência da Computação, Física, Matemática, Estatística ou qualquer área relacionada.
• Fortes habilidades fundamentais em estatísticas e habilidades de manuseio de álgebra linear.
• Fortes habilidades de análise quantitativa.
• Familiaridade com linguagens de programação estatística como Python ou R.
• Pontos Bônus (Você não é exigido para ter todas as qualificações abaixo, mas candidatos competitivos têm pelo menos duas):
• Conhecimento do kit de ferramentas científico Python e Frameworks de Deep Learning (ou seja, PyTorch, TensorFlow, Keras, etc.)
• Publicações em revistas e conferências revisadas por pares.
• Conforto com plataformas de nuvem (AWS, GCP ou Azure) para treinar modelos de aprendizado de máquina em conjuntos de dados >10GB.
• Experiência em criar visualizações de dados envolventes e painéis usando ferramentas como Tableau, Power BI, Looker, Matplotlib ou Seaborn para comunicar insights aos stakeholders.
• Expertise em domínio em um campo não técnico. Você é um especialista em energia, finanças, seguros? Traga algo para a mesa que ainda não temos!
• Fluência com frameworks de código aberto e boas práticas de engenharia de software.
  

• Salário competitivo - o valor da compensação está positivamente correlacionado com a dificuldade do trabalho, experiência relevante, adequação e fatores de habilidade.
• Configuração híbrida - Híbrido-remoto significa que os funcionários são obrigados a comparecer em média dois dias por semana para compromissos com clientes e dias internos presenciais destinados à colaboração, sociais e planejamento estratégico.
• Orçamento individual para desenvolvimento profissional - um orçamento anual para conferências, cursos de treinamento, livros e software está disponível para aprimorar suas habilidades e desenvolver novas para ajudá-lo a crescer em sua função.
• Benefícios de saúde completos - pacote generoso de seguro saúde ao ser contratado, com opções para incluir dependentes.
• Aprendizagem e revisões de desempenho anuais com a equipe de liderança para discutir metas de carreira e pessoais, progresso no trabalho e quaisquer perguntas e preocupações.

Por favor, consulte a descrição do trabalho.