Cientista de Dados Pleno – Geoprocessamento de Imagens e GIS

Você é apaixonado por dados, tecnologia e agronegócio? Estamos buscando uma pessoa Cientista de Dados Pleno para integrar o time da BIP Brasil e atuar em projetos de transformação orientados por dados no setor agro. Nesta posição, você participará do desenvolvimento de modelos analíticos e soluções baseadas em machine learning, dados geoespaciais, imagens de satélite e outras fontes de informação relevantes para o agronegócio. Os projetos poderão envolver temas como monitoramento agrícola, previsão de produtividade, identificação de padrões, análise territorial, riscos climáticos, uso do solo, inteligência de mercado, eficiência operacional e suporte à tomada de decisão. Na BIP, você trabalhará em um ambiente colaborativo e multidisciplinar, com profissionais de dados, tecnologia, geotecnologias, engenharia e negócio. Valorizamos a curiosidade, a autonomia, o aprendizado contínuo e a capacidade de transformar problemas complexos em soluções pragmáticas. #### **Responsabilidades e atribuições** * Desenvolver e implementar modelos de machine learning e técnicas estatísticas aplicadas a desafios do agronegócio. * Analisar dados geoespaciais, agronômicos, climáticos, operacionais e de mercado. * Processar imagens de satélite, fotografias aéreas e outras fontes de sensoriamento remoto. * Desenvolver modelos para classificação, segmentação, previsão, detecção de padrões e geração de insights. * Criar e otimizar algoritmos de geoprocessamento para automatizar análises e tratamentos de dados. * Utilizar ferramentas GIS para análise, interpretação e visualização de informações espaciais. * Integrar dados provenientes de APIs, bancos de dados, arquivos, plataformas geoespaciais e fontes externas. * Estruturar processos de preparação, validação e enriquecimento de dados. * Apoiar a construção de indicadores, dashboards, mapas temáticos e produtos analíticos. * Avaliar a qualidade, o desempenho e a aplicabilidade dos modelos desenvolvidos. * Documentar metodologias, premissas, resultados e limitações das análises. * Elaborar relatórios e apresentações com os principais resultados e recomendações. * Trabalhar em conjunto com equipes de tecnologia, dados, especialistas de negócio e clientes. * Traduzir necessidades do negócio em hipóteses analíticas e soluções baseadas em dados. * Apoiar a implantação e a evolução de modelos em ambientes produtivos. * Buscamos uma pessoa com experiência em ciência de dados, geoprocessamento ou análise espacial, que tenha interesse em compreender os desafios do agronegócio e desenvolver soluções conectadas às necessidades reais dos clientes. * Experiência anterior no setor agro será considerada um diferencial, mas não é obrigatória. **Requisitos e qualificações** * Formação superior completa em Ciência de Dados, Ciência da Computação, Estatística, Matemática, Engenharia, Geografia, Agronomia, Geoprocessamento ou áreas relacionadas. * Também consideramos profissionais de outras formações que possuam experiência compatível com os desafios da posição. Requisitos * Experiência com desenvolvimento de modelos de machine learning ou análises estatísticas. * Conhecimento de Python ou R para tratamento de dados, modelagem e análise. * Conhecimento de bibliotecas como Pandas, NumPy, Scikit-learn ou equivalentes. * Experiência com dados geoespaciais, análise espacial ou geoprocessamento. * Familiaridade com ferramentas como QGIS, ArcGIS ou plataformas equivalentes. * Conhecimento de SQL e bancos de dados relacionais. * Capacidade de preparar, tratar, validar e analisar diferentes conjuntos de dados. * Capacidade de interpretar resultados e comunicar conclusões de maneira clara. * Conhecimento de métricas de avaliação e validação de modelos. * Facilidade para trabalhar de forma colaborativa em equipes multidisciplinares. * Capacidade de compreender problemas de negócio e transformá-los em abordagens analíticas. Conhecimentos desejáveis Não é necessário possuir experiência em todas as tecnologias e competências abaixo: * Processamento e análise de imagens de satélite ou fotografias aéreas. * Sensoriamento remoto e índices de vegetação. * Bibliotecas geoespaciais como GeoPandas, Rasterio, GDAL, Shapely ou equivalentes. * Google Earth Engine ou outras plataformas de processamento geoespacial. * Bancos de dados espaciais, como PostgreSQL e PostGIS. * Técnicas de deep learning e visão computacional. * Frameworks como TensorFlow, PyTorch ou Keras. * Modelos de séries temporais, previsão e detecção de anomalias. * Plataformas de cloud computing, como AWS, Google Cloud ou Microsoft Azure. * Databricks, Spark ou tecnologias para processam