Anti-Fraud Spec II - Cientista de Dados Pleno
SantanderAo integrar o time de Cyber Security & Anti-Fraud do Santander, você atuará no time que é responsável prevenir fraudes internas e externas, mitigar os riscos de cyber segurança e segurança da informação, em um modelo de centro de defesa alinhado ao modelo de digitalização do banco.
Buscamos Cientista de Dados Pleno para atuar no desenvolvimento, implementação e monitoramento de modelos estatísticos e de Machine Learning voltados à predição de eventos raros, contribuindo para a tomada de decisão baseada em dados e para a mitigação de riscos do negócio.
O profissional fará parte de uma equipe multidisciplinar, atuando desde a exploração e preparação dos dados até a validação, implantação e acompanhamento dos modelos em produção, garantindo robustez, interpretabilidade e geração de valor para o negócio.
Você vai se identificar com a gente se tiver:
Think Customer – Penso no Cliente
Embrace Change – Impulsiono a mudança
Act Now – Atuo com rapidez
Move Together – Trabalho em equipe
Speak Up – Falo abertamente
Aqui, seu papel será:
Desenvolver modelos estatísticos e de Machine Learning para predição de eventos raros.
Realizar análises exploratórias de dados (EDA) e identificar padrões, tendências e oportunidades.
Tratar bases de dados de grande volume, garantindo qualidade e consistência das informações.
Construir pipelines de treinamento, validação e monitoramento de modelos.
Definir e acompanhar métricas de performance dos modelos, especialmente em cenários de classes desbalanceadas.
Trabalhar em parceria com áreas de negócio para entendimento dos problemas e tradução em soluções analíticas.
Realizar documentação técnica e apresentação de resultados para públicos técnicos e executivos.
Participar da evolução contínua das práticas de ciência de dados e MLOps da área.
Requisitos Imprescindíveis:
Graduação em Matemática, Ciência da Computação, Engenharia, Física ou áreas correlatas.
Sólidos conhecimentos em Estatística, Probabilidade e Inferência Estatística.
Experiência com modelagem supervisionada para classificação.
Conhecimento em técnicas para tratamento de classes desbalanceadas: Oversampling (SMOTE, ADASYN), Undersampling, Class weights, Threshold optimization
Conhecimento de métricas adequadas para eventos raros: Precision, Recall, F1-Score, PR-AUC, ROC-AUC e KS
Machine Learning
Experiência prática com: Regressão Logística, Random Forest, Gradient Boosting, XGBoost, LightGBM, CatBoost
Conhecimento em validação cruzada e prevenção de overfitting.
Feature engineering e seleção de variáveis.
Programação e Dados
Python avançado.
Manipulação de dados com Pandas, NumPy e PySpark.
SQL avançado.
Experiência com ambientes de processamento distribuído (Databricks, Spark ou similares).
Versionamento de código com Git.
Deploy e Monitoramento
Experiência em implantação e monitoramento de modelos em produção.
Conhecimento em conceitos de MLOps.
Monitoramento de drift, performance e estabilidade dos modelos.
Comunicação e Negócio
Capacidade de traduzir problemas de negócio em soluções analíticas.
Boa comunicação para interação com stakeholders técnicos e não técnicos.
Perfil analítico, colaborativo e orientado a resultados.
Requisitos Desejáveis:
Pós-graduação, Mestrado ou especializações em Ciência de Dados, Inteligência Artificial ou áreas afins
IA Generativa, como a área possui uma squad dedicada a IA Generativa, serão considerados diferenciais:
Experiência com LLMs (GPT, Claude, Llama, Gemini ou similares).
Engenharia de Prompt (Prompt Engineering).
Implementação de aplicações com LangChain, LangGraph ou frameworks equivalentes.
Construção de soluções RAG (Retrieval-Augmented Generation).
Conhecimento em bancos vetoriais: FAISS, Pinecone, Chroma, Weaviate
Avaliação e monitoramento de aplicações GenAI.
Experiência com agentes de IA e fluxos multiagentes.
Fine-tuning e adaptação de modelos fundacionais.
Engenharia e Arquitetura
Experiência com APIs REST.
Conhecimento em Docker e Kubernetes.
Experiência em ambientes cloud (AWS, Azure ou GCP).
CI/CD para projetos de Machine Learning.
Explicabilidade e Governança
SHAP, LIME e interpretabilidade de modelos.
Governança e documentação de modelos.
Conhecimento em regulamentação e gestão de risco de modelos.
# BENEFÍCIOS
Remuneração Variável (PLR + Bônus);
Assistência Médica e Odontológica;
Auxílio Alimentação e Refeição;
Previdência Complementar;
Seguro de Vida;
Auxílio Creche/Babá;
Gympass ou Totalpass;
Vale Transporte;
Programa Nascer;
Be Healthy - Programa que incentiva todos a terem hábitos mais saudáveis;
PAPE - Programa de apoio pessoal especializado
E aí? quer ser chama?
Aqui é o espaço para criar o novo, questionar e desafiar o mercado. É ter a urgência do agoira e do futuro alinhados para atender ao cliente, sempre da melhor forma. É fazer parte de uma empresa global, que valoriza o potencial máximo de cada um e que preza pela diversidade em todas as suas dimensões. É ser simples, pessoal e justo.
Se isso te chama, vem para o Santander!
#AquiSuaChamaTransforma
#EspecialistadeCyberSecurity&Anti-Fraud #VemProSantander