PO FC Porto pretende reforçar a sua equipa de Data Office com um(a) Data Scientist, contribuindo para a análise e valorização de dados nas diferentes áreas da organização.
/pp Esta função terá um papel ativo no apoio à análise de dados, desenvolvimento de modelos estatísticos e criação de soluções que suportem a tomada de decisão.
/p pbr/ppstrongResponsabilidades /strong /pulliDesenvolver e apoiar a implementação de modelos estatísticos e analíticos /liliPreparar, transformar e validar dados para utilização em análises e modelos /liliDesenvolver dashboards e visualizações que facilitem a tomada de decisão /liliRealizar análises exploratórias, identificando padrões, tendências e oportunidades /liliCriar modelos de previsão e segmentação adaptados às necessidades das diversas áreas /liliTrabalhar com equipas multidisciplinares, traduzindo desafios em soluções analíticas /liliDocumentar metodologias, análises e processos de forma clara e organizada /li /ulpbr/ppstrongRequisitos /strong /pulliFormação superior em Data Science, Estatística, Matemática, Engenharia ou áreas semelhantes /liliConhecimentos de Python e fundamentos sólidos de estatística aplicada /liliFamiliaridade com análise e tratamento de dados (e.g., pandas, numpy) /liliConhecimentos em SQL /liliExperiência com ferramentas de visualização (e.g., Power BI, Tableau) /liliCapacidade de comunicar resultados de forma clara a diferentes stakeholders /liliProatividade, espírito crítico e vontade de aprendizagem contínua /li /ulpbr/ppstrongValorizamos /strong /pulliExperiência no consumo e integração de APIs /liliCapacidade de desenvolver aplicações web simples para exploração de dados (e.g., Streamlit, Dash) /liliContacto com ambientes cloud ou ferramentas do ecossistema de dados /liliExperiência prática no desenvolvimento de modelos ML e IA /liliContacto com técnicas de NLP e modelos de linguagem (LLMs), incluindo uso de modelos open-source ou comerciais /liliExperiência com bibliotecas e frameworks de machine learning (e.g.,TensorFlow, PyTorch) /liliConhecimento de métodos tradicionais de ML (e.g., árvores de decisão, clustering) /liliNoções de práticas de MLOps e deployment de modelos em contexto cloud (AWS, Azure ou GCP) /li /ulpbr/ppSe tem interesse em contribuir para o crescimento e sucesso de um dos clubes mais prestigiados do mundo, envie a sua candidatura.
/p