Você é apaixonado por dados, tecnologia e agronegócio?
Estamos buscando uma pessoa Cientista de Dados Pleno para integrar o time da BIP Brasil e atuar em projetos de transformação orientados por dados no setor agro.
Nesta posição, você participará do desenvolvimento de modelos analíticos e soluções baseadas em machine learning, dados geoespaciais, imagens de satélite e outras fontes de informação relevantes para o agronegócio.
Os projetos poderão envolver temas como monitoramento agrícola, previsão de produtividade, identificação de padrões, análise territorial, riscos climáticos, uso do solo, inteligência de mercado, eficiência operacional e suporte à tomada de decisão.
Na BIP, você trabalhará em um ambiente colaborativo e multidisciplinar, com profissionais de dados, tecnologia, geotecnologias, engenharia e negócio. Valorizamos a curiosidade, a autonomia, o aprendizado contínuo e a capacidade de transformar problemas complexos em soluções pragmáticas.
Responsibilities
- Desenvolver e implementar modelos de machine learning e técnicas estatísticas aplicadas a desafios do agronegócio.
- Analisar dados geoespaciais, agronômicos, climáticos, operacionais e de mercado.
- Processar imagens de satélite, fotografias aéreas e outras fontes de sensoriamento remoto.
- Desenvolver modelos para classificação, segmentação, previsão, detecção de padrões e geração de insights.
- Criar e otimizar algoritmos de geoprocessamento para automatizar análises e tratamentos de dados.
- Utilizar ferramentas GIS para análise, interpretação e visualização de informações espaciais.
- Integrar dados provenientes de APIs, bancos de dados, arquivos, plataformas geoespaciais e fontes externas.
- Estruturar processos de preparação, validação e enriquecimento de dados.
- Apoiar a construção de indicadores, dashboards, mapas temáticos e produtos analíticos.
- Avaliar a qualidade, o desempenho e a aplicabilidade dos modelos desenvolvidos.
- Documentar metodologias, premissas, resultados e limitações das análises.
- Elaborar relatórios e apresentações com os principais resultados e recomendações.
- Trabalhar em conjunto com equipes de tecnologia, dados, especialistas de negócio e clientes.
- Traduzir necessidades do negócio em hipóteses analíticas e soluções baseadas em dados.
- Apoiar a implantação e a evolução de modelos em ambientes produtivos.
- Buscamos uma pessoa com experiência em ciência de dados, geoprocessamento ou análise espacial, que tenha interesse em compreender os desafios do agronegócio e desenvolver soluções conectadas às necessidades reais dos clientes.
- Experiência anterior no setor agro será considerada um diferencial, mas não é obrigatória.
Requirements
- Formação superior completa em Ciência de Dados, Ciência da Computação, Estatística, Matemática, Engenharia, Geografia, Agronomia, Geoprocessamento ou áreas relacionadas.
- Também consideramos profissionais de outras formações que possuam experiência compatível com os desafios da posição.
Requisitos
- Experiência com desenvolvimento de modelos de machine learning ou análises estatísticas.
- Conhecimento de Python ou R para tratamento de dados, modelagem e análise.
- Conhecimento de bibliotecas como Pandas, NumPy, Scikit-learn ou equivalentes.
- Experiência com dados geoespaciais, análise espacial ou geoprocessamento.
- Familiaridade com ferramentas como QGIS, ArcGIS ou plataformas equivalentes.
- Conhecimento de SQL e bancos de dados relacionais.
- Capacidade de preparar, tratar, validar e analisar diferentes conjuntos de dados.
- Capacidade de interpretar resultados e comunicar conclusões de maneira clara.
- Conhecimento de métricas de avaliação e validação de modelos.
- Facilidade para trabalhar de forma colaborativa em equipes multidisciplinares.
- Capacidade de compreender problemas de negócio e transformá-los em abordagens analíticas.
Conhecimentos desejáveis
Não é necessário possuir experiência em todas as tecnologias e competências abaixo:
- Processamento e análise de imagens de satélite ou fotografias aéreas.
- Sensoriamento remoto e índices de vegetação.
- Bibliotecas geoespaciais como GeoPandas, Rasterio, GDAL, Shapely ou equivalentes.
- Google Earth Engine ou outras plataformas de processamento geoespacial.
- Bancos de dados espaciais, como PostgreSQL e PostGIS.
- Técnicas de deep learning e visão computacional.
- Frameworks como TensorFlow, PyTorch ou Keras.
- Modelos de séries temporais, previsão e detecção de anomalias.
- Plataformas de cloud computing, como AWS, Google Cloud ou Microsoft Azure.
- Databricks, Spark ou tecnologias para processamento distribuído.
- Git e práticas de versionamento de código.
- APIs, containers e fundamentos de implantação de modelos.
- Ferramentas de visualização, como Power BI, Tableau, Matplotlib ou Plotly.
- Práticas de MLOps, monitoramento e gestão do ciclo de vida de modelos.
Diferenciais
- Experiência com projetos relacionados ao agronegócio.
- Conhecimento de produção agrícola, clima, solo, culturas, operações agrícolas ou cadeias produtivas.
- Experiência com modelos de previsão de produtividade ou monitoramento de lavouras.
- Conhecimento de dados meteorológicos, agronômicos ou territoriais.
- Experiência com análise de uso e cobertura do solo.
- Conhecimento de estatística espacial e séries temporais.
- Experiência na implantação de modelos em ambientes corporativos.
- Cursos, especializações ou certificações em Ciência de Dados, Inteligência Artificial, Geoprocessamento, Sensoriamento Remoto ou Agronegócio.
