Cientista Dados Iii - Rio de Janeiro, Brasil - Energisa

Energisa

Empresa verificada

Rio de Janeiro, Brasil

há 2 semanas

Postado por:

Ana Silva

beBee Recruiter

Descrição

Somos o Grupo Energisa

Com 117 anos de história, a Energisa é o maior grupo privado com controle 100% nacional do setor elétrico brasileiro.

Nosso portfólio diversificado abrange 11 distribuidoras, 12 concessões de transmissão, geração de grande porte renovável, uma marca inovadora de soluções energéticas - a (re)energisa -, com geração distribuída por fonte renovável, comercialização de energia no mercado livre e serviços de valor agregado, além de uma central de serviços compartilhados, uma empresa de contact center e a fintech Voltz, a primeira do nosso setor no mercado de contas digitais.

Transformamos, através de nossos mais de colaboradores, energia em conforto e desenvolvimento para mais de 20 milhões de pessoas. Acreditamos na força da diversidade e da pluralidade para gerar inovação e atingir resultados incríveis. Aqui todos são muito bem-vindos

Quer fazer parte desta história? Confere se esta oportunidade tem macth com o seu perfil e vem conosco participar desta jornada de seleção

Responsabilidades e atribuições

Estudar, desenvolver, testar e implantar soluções analíticas (preditivas e prescritivas), baseadas em métodos, técnicas e algoritmos de Inteligência Artificial, Machine Learning, Deep Learning e Otimização visando a gestão proativa aplicada aos diversos negócios da empresa, como por exemplo: investigação de irregularidades e detecção de fraudes (combate às perdas comerciais); identificação, prevenção e redução de inadimplência de clientes; previsão do preço da energia, previsão de demanda de energia elétrica; monitoramento de equipamentos para manutenção preditiva; otimização da cadeia de suprimentos; alocação ótima de recursos humanos em projetos; otimização de rotas de veículos; avaliação de idoneidade, risco e scoring de clientes; Reconhecimento de Imagens; text e Web mining; segmentação e classificação de clientes etc.
Executar projetos de Advanced Analytics, baseados no processo iterativo aplicado a projetos dessa natureza, qual seja: 1)

Necessidade:
levantamento das necessidades/"dores" do negócio e definição das funções-objetivo; 2)

Pré-processamento:
seleção das variáveis relevantes, tratamento de outliers e dados faltantes; 3)

Inferência:
escolha dos algoritmos de Machine Learning/Deep Learning/Otimização possíveis e passíveis para cada tipo de problema, e; 4)

Pós-processamento:
avaliação dos resultados e da performance dos modelos elencados.

Por fim, elaboração e publicação dos resultados (análises levantadas, correlações, tendências, comportamentos, métricas e indicadores de performance da solução desenvolvida etc.) e das medidas a adotar.

Desenvolver melhorias constantes das técnicas aplicadas aos modelos preditivos e prescritivos, incluindo planejar e elaborar novos relatórios e relatórios customizados às necessidades dos clientes das áreas de negócio.
Interagir diretamente com a área de TI, especialmente junto aos analistas de Business Intelligence, visando obter a orientação e o suporte necessários ao desenvolvimento dos produtos baseados em soluções de Advanced Analytics.
Participar do estudo de novas oportunidades estratégicas para o grupo que podem ser suportadas por soluções de Advanced Analytics.
Realizar apresentações orais sobre os projetos, análises e estudos sob sua responsabilidade.
Reportar, periodicamente, a seus superiores dentro do Grupo Energisa, o andamento das atividades e dos produtos.
Zelar pela segurança pessoal e de terceiros;
Executar outras tarefas de mesma natureza e nível de complexidade.

Requisitos e qualificações

Superior Completo em Estatística, Engenharia, Ciência da Computação, Economia, Matemática ou correlatas.
Experiência em desenvolvimento e implantação de soluções de Advanced Analytics, utilizando métodos, técnicas e algoritmos de Inteligência Artificial, Machine Learning, Deep Learning e Otimização; e na elaboração de estudos, análises e relatórios de apuração de resultados e medição de indicadores.
Conhecimentos em Métodos estatísticos de apoio à decisão: Conhecimento de probabilidade e inferência estatística. Conhecimento dos fundamentos específicos de processos estocásticos, inferência, teoria da probabilidade, estatística multivariada, modelagens em geral, conhecimento de teoria de filas entre outros.
Conhecimentos em Métodos, técnicas, e algoritmos de Inteligência Artificial, Machine Learning e Deep Learning como por exemplo: técnicas e algoritmos de seleção de variáveis; filtragem; algoritmos de otimização; Redes Neurais Artificias; algoritmos de aprendizado supervisionado e não supervisionado; Decision Tree; Randon Forest; XGBoost; Support Vector Machines; K-Nearest Neighbor; Naive Bayes; Validação Cruzada; Lógica Fuzzy; Algoritmos Genéticos; Kmeans; Text Mining; reconhecimento de imagem etc. aplicados às c