O time de Dados está precisando de alguém, e queremos você com a gente! Sua missão? Construir e liderar a frente de Machine Learning e IA do Skeelo, estruturando os modelos, agentes e processos que vão transformar a experiência de milhões de leitores. Você vai implementar personalização dinâmica, levar nosso dataset proprietário de 7 anos para dentro do produto e fazer dados e IA virarem uma importante vantagem competitiva. O seu dia a dia no Skeelo vai ser assim: Estruturar a área de Machine Learning e IA dentro do time de Dados, definindo stack, arquitetura, governança de modelos e boas práticas de MLOps desde o primeiro modelo até a operação em escala Desenvolver e colocar em produção modelos preditivos sobre nossos dados proprietários, com foco em recomendação de conteúdo, propensão e personalização da jornada do leitor (churn, reativação, próximo melhor livro, formato ideal) Levar GenAI e agentes de IA para o dia a dia da operação e do produto: assistentes de curadoria, automação de fluxos internos e experiências conversacionais que aumentem engajamento e produtividade Recrutar, formar e desenvolver o time de cientistas de dados, sendo protagonista na construção da equipe que vai crescer com você Trabalhar lado a lado com Engenharia de Dados, Analytics, Produto, Growth e Engenharia de Software para integrar os modelos nos produtos, no CRM e nas decisões de negócio, fechando o ciclo completo do treinamento ao monitoramento, retreino e medição de impacto em métricas como D28, MAU e minutos consumidos Para isso, você vai precisar ter: Experiência comprovada estruturando áreas de Machine Learning ou Data Science, do zero ou em fase inicial de maturidade Forte capacidade técnica hands-on em ML, com domínio de Python e do ecossistema moderno de dados (ex.: Databricks, AWS, SQL) Casos de uso reais de ML em produção e em escala, com impacto de negócio mensurável, não só prova de conceito Domínio do ciclo de vida completo de modelos: treinamento, deploy, monitoramento de performance e drift, retreino, versionamento e documentação (MLOps na prática) Visão de experimentação: cultura de teste A/B, mensuração causal e decisão baseada em evidência Inglês avançado ou fluente E seria muito bom se você também tivesse: Experiência em plataformas de conteúdo digital, consumo ou comportamento de usuário, onde personalização e recomendação são parte do core do produto Vivência com GenAI e agentes de IA aplicados a casos reais (RAG, assistentes, automação de processos com LLMs) Vivência integrando modelos em apps e CRMs junto a times de engenharia de software Perfil didático e boa comunicação, capaz de traduzir ML denso para stakeholders de negócio e transitar com facilidade entre as áreas