CIENTISTA DE DADOS SR, HÍBRIDO - SÃO PAULO/SP

A Cogna é a maior e mais completa organização de soluções educacionais do Brasil. Com atuação dos 2 aos 100 anos, reúne negócios de Educação Básica, Ensino Superior e Educação Continuada, combinando conteúdo, tecnologia, dados e conhecimento pedagógico para oferecer experiências de aprendizagem cada vez mais relevantes e personalizadas. Presente em todo o país, a companhia tem como propósito impulsionar pessoas e organizações a construírem uma melhor versão de si por meio da educação

Com mais de 26 mil colaboradores, a Cogna reúne pessoas com diferentes trajetórias, experiências e perspectivas para construir uma cultura em que a colaboração fortalece o aprendizado, amplia a inovação e contribui para melhores decisões. É dessa pluralidade que nasce Uma Só Cogna, conectando pessoas, negócios e competências em torno de um propósito comum.

Responsibilities

• Desenvolver, treinar e validar modelos de regressão, classificação e previsão usando frameworks como scikit-learn.
• Aplicar técnicas estatísticas e probabilísticas para análise de grandes volumes de dados.
• Estruturar experimentos de predição, avaliar métricas de performance e propor melhorias contínuas.
• Trabalhar em conjunto com áreas de negócio e tecnologia para traduzir problemas em soluções baseadas em dados.
• Construir pipelines de dados e prototipar soluções em Python ou R para diferentes contextos analíticos.
• Comunicar resultados técnicos e insights de forma clara para públicos não técnicos.

Requirements

• Experiência prática com algoritmos de ciência de dados, regressão, classificação e séries temporais.
• Domínio de Python ou R, com bibliotecas como scikit-learn, pandas, numpy, statsmodels.
• Sólidos conhecimentos em estatística, probabilidade e inferência.
• Experiência em manipulação, limpeza e transformação de dados para modelagem.
• Capacidade de documentar processos e estruturar análises de forma clara e reutilizável.
• Experiência com desenvolvimento de AI Agents, sistemas multiagentes, LLMs locais e técnicas de fine-tuning.