Formação Acadêmica Graduação em Ciência da Computação, Engenharia da Computação ou áreas correlatas; Mestrado ou Doutorado em Inteligência Artificial, Processamento de Sinais, Aprendizado de Máquina, Deep Learning ou áreas afins. Principais Atividades Pesquisa Científica e Liderança Técnica; Definir hipóteses científicas, protocolos experimentais e métricas de avaliação; Planejar e executar experimentos para validação de novos modelos, arquiteturas e metodologias; Conduzir estudos comparativos e análises estatísticas de desempenho em modelos de ML; Orientar pesquisadores, analistas e engenheiros na condução de atividades de P&D; Garantir rigor científico, reprodutibilidade e conformidade metodológica; Redigir e revisar artigos científicos, relatórios técnicos e patentes; Programar para dispostivos embarcados com capacidade de processamento e memória limitada; Apoiar a elaboração de propostas técnicas para projetos financiados por agências de foment; Automatizar pipelines de treinamento de ML: Criação de fluxo para treinamento, validação, empacotamento e implantação continua (CI/CD/CT); Documentar e atualizar documentações técnicas de software. Principais Habilidades Atuação em pesquisa aplicada e desenvolvimento experimental em IA; Domínio de métodos científicos, desenho experimental e análise estatística; Capacidade de transformar desafios científicos em soluções tecnológicas com impacto; Experiência na comunicação de resultados científicos para públicos técnicos, gestores e agências de fomento; Experiência em processamento de séries temporais; Dominar técnicas de Machine Learning e Deep Learning; Dominar projetos utilizando sistemas embarcados; Entender sobre avaliação de modelos, definição de métricas e análise de desempenho; Publicações em conferências e periódicos científicos relevantes; Dominar escrita, revisão e submissão de artigos científicos, escrita técnica para patentes, relatórios técnicos e documentos de projetos de P&D; Construção, validação e implantação de estruturas de ETL. Principais Tecnologias Linguagens: Python (avançado), C/C++ (Obrigatório), Kotlin (desejável); Frameworks e Bibliotecas de IA: PyTorch, TensorFlow, Scikit-learn, Hugging Face (Transformers, Datasets), visualização (matplotlib, seaborn, plotly, etc.); Modelos de IA de grande escala: Criação, Fine-tuning, avaliação e benchmarking de modelos; Git, CI/CD, versionamento de dados e experimentos (DVC, LakeFS); Engenharia de Dados: SQL, NoSQL, Data Lakes, pipelines de dados. Habilidades desejáveis Atuação prévia em centros de pesquisa, laboratórios de P&D; Experiência em projetos colaborativos academia–indústria; Atuação com sistemas Android; Monitoramento Científico: Métricas de modelos, detecção de drift de dados e auditoria de experimentos; Metodologias ágeis (scrum, kanban). Idioma Inglês Avançado.