[Hiring] Scholar Master (Data Scientist – NLP and Semantic Search Systems) @IEL

Role Description

Projeto de inovação da ICT ITAÚ em parceria Inova Talentos.

Qualifications

• Perfil do bolsista: mestrado
• Formação: mestrado cursando ou concluído.
• Cursos: Ciência da Computação, Engenharia de Computação/Software, Sistemas de Informação, Estatística, Matemática Aplicada, Engenharia Elétrica, Ciência de Dados ou áreas correlatas das Ciências Exatas e Engenharias.

Requirements

• Pré-processamento e enriquecimento de textos:
  • Limpeza, tokenização, lematização e remoção de ruídos em documentos textuais.
  • Extração de características (features) relevantes para modelos de NLP.
• Geração e gestão de embeddings:
  • Criar embeddings de documentos e consultas usando modelos como Sentence‑BERT, OpenAI ada ou similares.
  • Armazenar e indexar embeddings em bancos vetoriais (FAISS, ChromaDB, Qdrant ou Pinecone).
• Construção de pipelines de busca semântica, recuperação de informação e aplicações com RAG:
  • Desenvolver pipelines que combinam: consulta → embedding → busca vetorial → re-ranking (opcional) → uso do contexto recuperado em aplicações com RAG.
  • Avaliar a qualidade da recuperação e das respostas geradas em cenários de NLP e RAG, utilizando métricas como recall@k e MRR.
• Adaptação e experimentação com modelos em PyTorch ou TensorFlow:
  • Utilizar modelos pré-treinados e adaptá-los para tarefas específicas, como classificação, similaridade e extração de informação, com ajustes simples quando necessário.
  • Experimentar com diferentes arquiteturas (transformers, redes neurais simples).
• Documentação e versionamento:
  • Documentar pipelines, decisões técnicas e resultados de experimentos.
  • Utilizar Git para controle de versão do código.

Benefits

• Disponibilidade: 40h semanais
• Duração: 9 meses
• Bolsa Auxílio: R$ 9.000,00
• Atuação: Remota

Requirements

• Programação em Python com domínio de tipagem, manipulação de dados (pandas/polars) e uso de ambientes virtuais.
• Experiência prática com NLP incluindo: tokenização, stemming/lematização, remoção de stopwords, vetorização (TF IDF, word2vec ou embeddings).
• Conhecimento aplicado de embeddings, busca semântica e técnicas de RAG (ex.: Sentence BERT, modelos de embeddings atuais ou similares), além de familiaridade com bancos vetoriais (ex.: FAISS, ChromaDB, Pinecone, Qdrant).
• Experiência com pelo menos um framework de deep learning (PyTorch ou TensorFlow) – suficiente para carregar modelos pré treinados e fine tuning simples.
• Noção de pipelines analíticos e experimentação em ciência de dados aplicada a NLP (ex.: extração → pré processamento → embedding → busca/classificação → geração com contexto) e versionamento com Git.

Company Description

Conheça o INOVA TALENTOS:

• Vídeo 1
• Vídeo 2