Ciência de dadosSênior
Ciência de dados × Sênior
Com mais de 10 anos de experiência na área de Data Science, atuando nos setores financeiro e de e-commerce, liderei desde o design de modelos de machine learning até a construção de pipelines de MLOps. Contribuí para o aumento anual de vendas na casa das centenas de milhões de ienes com o desenvolvimento de motores de recomendação e a estruturação de bases de dados para produtos com mais de 1 milhão de DAU. Minha força está em conduzir todo o ciclo, desde a identificação de problemas de negócio, passando por PoC, deploy em produção, até a gestão de times.
📌 Resumo de carreira
- ▸Atuei como consultor em uma grande integradora de sistemas, liderando a construção de data warehouses e a implementação de soluções de BI, desde a definição de requisitos até a modelagem de dados, por 3 anos.
- ▸Transicionei para uma empresa de tecnologia multinacional, onde, como Cientista de Dados Sênior, liderei o desenvolvimento de algoritmos de recomendação para e-commerce e a padronização de pipelines de MLOps, por 5 anos.
- ▸Atualmente, em uma grande instituição financeira nacional, atuo como gerente do time de ciência de dados (8 pessoas) no departamento de transformação digital, liderando a implementação de IA em modelos de crédito.
📌 Conquistas e pontos fortes
- ▸Reformulei o modelo de recomendação personalizada de um site de e-commerce, resultando em um aumento de 14% na taxa de conversão e um incremento anual de vendas de 2,5 bilhões de ienes.
- ▸Implementei um modelo de IA para análise de crédito, reduzindo o tempo médio de aprovação de 3 dias para 15 minutos e diminuindo a taxa de inadimplência em 0,8%.
- ▸Desenvolvi internamente uma plataforma de MLOps (Kubeflow, MLflow), reduzindo o lead time de deploy de modelos em produção de 4 semanas para 3 dias.
📌 Competências
- ▸Linguagens e frameworks: Python, SQL, PyTorch, TensorFlow, Scikit-learn, Spark
- ▸MLOps e infraestrutura: Docker, Kubernetes, Kubeflow, MLflow, AWS (SageMaker, Redshift, Glue), GCP (BigQuery, Vertex AI)
- ▸Engenharia de dados: dbt, Airflow, Kafka
- ▸Negócios e gestão: gerenciamento de projetos, formação de equipes, negociação com stakeholders, inglês (nível profissional / TOEIC 920)
📌 Autopresentação
- ▸Sou um cientista de dados que prioriza o impacto nos negócios, em vez de tecnologia por si só. Em minha experiência anterior em e-commerce, propus um modelo de deep learning de ponta, mas a equipe de negócios hesitou devido aos custos de inferência e latência. Diante disso, projetei e implementei um modelo híbrido que combinava XGBoost leve com redes neurais, reduzindo os custos de inferência em 60% e mantendo a precisão, o que resultou em um aumento de vendas de 2,5 bilhões de ienes no ano. Essa experiência consolidou minha convicção de que minha maior força é equilibrar a curiosidade técnica com as restrições de negócio, engajando stakeholders para encontrar a solução ideal.
💡 Dicas importantes
- 💡Como a definição de 'gestão' difere entre empresas estrangeiras e japonesas, ajuste seu currículo: para empresas japonesas, destaque habilidades de coordenação e construção de consenso; para estrangeiras, enfatize liderança técnica e formação de equipes orientada a métricas.
- 💡Em nível sênior, é essencial mostrar não apenas as tecnologias que você dominou, mas também como identificou problemas de negócio e maximizou o ROI. Prepare-se para discutir projetos que terminaram em PoC, incluindo falhas e aprendizados, para aumentar sua avaliação.
- 💡Experiência em MLOps e governança de dados é altamente valorizada no mercado atual. Portanto, além do desenvolvimento de modelos, destaque números que mostrem como você reduziu custos operacionais e de manutenção.
🔗 🔗 Outros níveis
Última revisão: 2026-09-06 · Redação aijobs