Sobre

Nosso Modo de Fazer no Time

• Transforme sua carreira com o iFood! Somos uma empresa brasileira de tecnologia referência na América Latina. Por meio de soluções inovadoras, conectamos milhares de restaurantes a milhões de consumidores diariamente com uma média de 100 milhões de pedidos mensais. Além do delivery de comida, também somos Mercado, Farmácia e Pet. Temos também o iFood Pago, nossa Fintech, que engloba o iFood Benefícios, o vale alimentação e refeição do iFood e o próprio iFood Pago, o banco do restaurante. Junte-se a nós e faça parte de uma equipe que está sempre à frente com tecnologia de ponta e inovação constante.

Seu Cardápio Diário

• Será responsável por todo o ciclo de vida dos modelos — da concepção à operação — combinando ciência, engenharia e visão de produto.

• O papel é garantir que soluções de ML sejam robustas, escaláveis e orientadas a impacto, não apenas academicamente elegantes.

Principais responsabilidades

• Formular hipóteses e traduzir desafios de marketing e produto em problemas de modelagem e otimização.
• Desenvolver e validar modelos de machine learning (propensity, ranking, recomendação, previsão de demanda, otimização de campanhas).
• Projetar e treinar modelos clássicos e redes neurais profundas (ex: tabulares, sequenciais e baseados em embeddings).
• Construir pipelines de dados e features integrados à stack da Advolve (Spark, Databricks, Delta, PostgreSQL, APIs e agentes inteligentes).
• Realizar experimentos controlados e análises de incrementalidade (A/B tests, uplift modeling, inferência causal).
• Participar ativamente de decisões de arquitetura e da evolução da plataforma de ML interna.
• Liderar revisões técnicas, promover boas práticas e mentorar outros cientistas e engenheiros.

Ingredientes Que Buscamos

• Formação em Ciência da Computação, Engenharia, Estatística, Matemática ou áreas afins.
• 5+ anos de experiência em Data Science e Machine Learning aplicado, com entregas reais em produção.
• Domínio de Python e SQL, com práticas sólidas de engenharia (testes, modularização, CI/CD).
• Experiência com frameworks de ML (Scikit-learn, XGBoost, PyTorch, TensorFlow).
• Vivência com pipelines de dados distribuídos (Spark, Airflow, dbt, Databricks).
• Experiência prática com MLOps (MLflow, Model Registry, Feature Stores, monitoramento de drift).
• Forte embasamento estatístico: inferência, modelagem causal, estratificação, métricas de avaliação e significância.
• Conhecimento de arquitetura de sistemas e deploy de modelos (Docker, APIs, containers, orquestração).
• Boa comunicação, autonomia e capacidade de equilibrar rigor técnico e pragmatismo de engenharia.

Para Realçar o Sabor

• Experiência com sistemas de recomendação, otimização de mídia ou personalização de campanhas.
• Conhecimento de arquiteturas distribuídas e escaláveis.
• Experiência em observabilidade de ML.
• Familiaridade com frameworks de feature store.
• Vivência com treinamento de modelos em larga escala.
• Contribuições open source, papers técnicos ou publicações científicas.
• Interesse genuíno em unir modelagem científica, engenharia aplicada e impacto de negócio.

• REF:30386