¡Sé parte de Stefanini! En Stefanini somos más de 30.000 genios, conectados desde 41 países, haciendo lo que les apasiona y co-creando un futuro mejor. **Responsabilidades y atribuciones** - Analice conjuntos de datos grandes y complejos para identificar tendencias, patrones y conocimientos. - Desarrollar e implementar modelos y algoritmos estadísticos para resolver problemas de negocio. - Colaborar con equipos multifuncionales para definir los objetivos y entregables del proyecto. - Diseñar y realizar experimentos para probar hipótesis y validar modelos. - Presentar hallazgos y recomendaciones a las partes interesadas de manera clara y concisa. - Manténgase actualizado con los últimos avances en ciencia de datos y técnicas de aprendizaje automático. - Proporcionar orientación y tutoría a científicos de datos jóvenes, según sea necesario. - Garantizar la integridad y calidad de los datos durante todo el proceso de análisis. **Requisitos y calificaciones** - Experiência demostrable como Data Scientist o rol similar. - Fuertes habilidades de programación en lenguajes como Python, R o SQL. - Dominio de herramientas de visualización de datos (p. ej., Tableau, Power BI) y software estadístico (p. ej., SAS, SPSS). - Comprensión sólida de los algoritmos y técnicas de aprendizaje automático. - La experiência con tecnologías de big data (por ejemplo, Hadoop, Spark) es una ventaja. - Excelentes habilidades analíticas y de resolución de problemas. - Fuertes habilidades de comunicación y presentación. - Capacidad para trabajar de forma independiente y colaborativa en un entorno acelerado. - Atención al detalle y compromiso para ofrecer resultados de alta calidad. **Informaciones adicionales** características clave: - Simplicidad: Los modelos científicos deben ser lo más simples posible, siempre que se ajusten a los datos observados. La simplicidad facilita la comprensión y la interpretación1. - Explicativo: Un buen modelo científico debe proporcionar una explicación comprensible del fenómeno o sistema que se estudia. Debe ayudar a entender cómo funciona y por qué ocurren ciertos eventos1. - Verificable: Los modelos científicos deben someterse a pruebas mediante experimentos y observaciones. La verificación es esencial para validar su validez y precisión1. - Generalizable: Un modelo científico debe tener la capacidad de explicar una amplia variedad de datos y situaciones. Debe ser aplicable en diferentes contextos1. - Falsable: Un modelo científico debe poder ser refutado o falsado. Si no cumple con las predicciones o no se ajusta a los datos, se debe considerar un fallo y buscar alternativas1. - Parsimonia: También conocido como el principio de economía, implica elegir la explicación más simple posible sin sacrificar la validez1. - Consistencia: El modelo debe ser coherente y no debe contener contradicciones internas1. - Conservativo: No debe generar predicciones inverosímiles o imposibles. Debe mantenerse dentro de los límites razonables1. - Pragmático: Buscar siempre la aplicabilidad práctica. El científico de datos debe considerar cómo el modelo se puede utilizar en la práctica1. - Actualizable: Los modelos científicos deben actualizarse y mejorarse a medida que se obtienen nuevos datos y se descubren nuevos hallazgos Somos una empresa global con 35 años de experiência en el mercado, ofrecemos una sólida selección de servicios como: automatización, nube, Internet de las cosas (IoT) y experiência de usuario (UX). Creemos que la tecnología puede revolucionar una empresa y la innovación es fundamental para fomentar el desarrollo y la competitividad. También valoramos las nuevas ideas y el poder de una mente abierta, por lo que reconocemos que cada talento es esencial para la calidad de nuestros proyectos y especialmente para nuestro progreso. Mantenemos nuestra excelencia invirtiendo en innovaciones tecnológicas, las mejores alianzas, adquisiciones de empresas en todo el mundo y la contratación de profesionales altamente capacitados.