Experiência sólida como Cientista de Dados: Histórico comprovado em projetos, preferencialmente com modelos que chegaram em ambiente de produção.

Domínio em modelagem e estatística: Sólidos conhecimentos em inferência estatística, álgebra linear, cálculo e algoritmos de Machine Learning (supervisionados e não supervisionados).

Proficiência em Python: Experiência avançada com o ecossistema de Ciência de Dados (ex: scikit-learn, pandas, NumPy, SciPy) e manipulação de dados geoespaciais ou temporais.

Vivência com Big Data: Experiência no processamento e análise de grandes volumes de dados utilizando frameworks distribuídos.

Mentalidade de Engenharia: Conhecimento sobre o ciclo de vida de modelos (ML Lifecycle) e integração com fluxos de orquestração e automação de workflows.

Conhecimentos em Cloud: Familiaridade com o desenvolvimento de soluções analíticas em ambientes de Cloud (Azure, AWS ou GCP).

IA Generativa e Deep Learning: Experiência com LLMs, redes neurais (TensorFlow, PyTorch) ou arquiteturas avançadas de processamento de linguagem/imagem.

Otimização Matemática: Conhecimento em pesquisa operacional e algoritmos de otimização combinatória.

Cultura MLOps: Experiência prática com ferramentas de rastreabilidade de experimentos (ex: MLflow) e monitoramento de modelos (drift de dados e conceito).

Pós-graduação: Mestrado ou Doutorado em áreas quantitativas (Estatística, Computação, Engenharia, Física, Matemática ou correlatos).