The posting
Sobre a empresa:
Somos a AgRisk, a infraestrutura completa para toda a jornada de crédito do agronegócio, com um motor de decisão alimentado por mais de 30 módulos de análise. Há 9 anos conectamos dados, tecnologia e governança para que instituições tomem decisões de crédito mais rápidas, seguras e consistentes. Já realizamos mais de 3,5 milhões de consultas, analisamos mais de 1,2 milhão de CPFs e CNPJs e hoje sustentamos a operação de mais de 1.600 clientes. Somos investidos pelo Itaú Venture Capital e recebemos recentemente um aporte de R$ 50 milhões do Rabo Partnerships, avançando para a Série B. Somos um time de mais de 100 pessoas construindo a base sobre a qual o crédito agro é decidido no país.
O que você irá fazer ?
- Desenvolver modelos de risco de crédito que ampliem a capacidade de análise e concessão no Agronegócio.
- Definir as abordagens técnicas, stacks e padrões para o desenvolvimento de modelos e pipelines analíticos.
- Documentar e comunicar resultados de forma clara e acionável para diferentes públicos e stakeholders.
- Conduzir apresentações e ciclos de feedback com clientes internos e externos.
- Colaborar com times de Engenharia e Produto para entender necessidades e identificar oportunidades de melhoria sob a ótica da modelagem.
- Explorar novas variáveis e fontes de dados para aumentar o poder preditivo dos modelos.
- Avaliar e adotar novas técnicas e tecnologias que elevem a eficiência e precisão das soluções de risco.
- Monitorar o alinhamento contínuo entre as decisões técnicas em ciência de dados e os objetivos do negócio.
- Ser referência técnica para cientistas de dados e analistas, apoiando escolhas metodológicas e revisões de código e modelo.
- Liderar a evolução da arquitetura de modelos de risco, cobrindo features, validação, monitoramento e MLOps.
- Avaliar trade-offs entre complexidade, performance, interpretabilidade e governança dos modelos.
- Apoiar o planejamento técnico de iniciativas analíticas de médio e longo prazo.
O que esperamos de você ?
- Sólido domínio de Machine Learning aplicado a problemas reais de risco e crédito, incluindo validação de modelos, controle de viés, estabilidade temporal e explicabilidade.
- Experiência prática em engenharia de features e avaliação de impacto de variáveis em ambiente de produção.
- Capacidade de revisar, refatorar e elevar a qualidade de código analítico, com foco em eficiência e reprodutibilidade.
- Vivência em modelagem de risco de crédito.
- Participação em decisões de arquitetura analítica envolvendo dados, modelos e pipelines.
- Domínio em consulta e manipulação de bases de dados para construção e validação de modelos.
- Familiaridade com ferramentas de controle de versão como Git e Bitbucket.
- Comunicação clara e objetiva para apresentar resultados técnicos a diferentes públicos.
- Capacidade de atuar com autonomia e colaboração em times multidisciplinares.
Diferenciais
- Experiência com engenharia de software e ML Engineering.
- Visão crítica sobre o uso de LLMs e agentes de IA como parte de uma estratégia analítica.
- Vivência em ambientes ágeis com foco em entrega contínua de valor.
- Conhecimento em outras linguagens de programação, como Node ou Java.
- Experiência com ferramentas de processamento de dados em larga escala como Hadoop, Spark/PySpark ou Polars.
- Familiaridade com ambientes Cloud, preferencialmente GCP.
