Stack & Ferramentas 

• Linguagem & libs: Python (pandas, NumPy, scikit-learn, statsmodels), XGBoost,  LightGBM 
• Estatística & ML clássico: EDA, modelos estatísticos, regressão, classificação,  clustering 
• Deep learning: PyTorch, TensorFlow 
• Causal & temporal: séries temporais/forecasting, inferência causal (ex.: EconML,  DoWhy), bayesiano/hierárquico 
• Revenue management & otimização: elasticidade, fare buckets / seat protection,  programação linear 
• Experimentação, MLOps & dados: A/B testing, JupyterHub, MLflow, Ray Tune; SHAP,  SQL, Cube.js sobre Athena 

O que Buscamos 

Essenciais 

Formação quantitativa sólida (Estatística, Economia, Matemática, Engenharia, CC ou  afim) e base robusta em probabilidade, inferência e desenho experimental. Análise exploratória de dados (EDA) e forte capacidade de storytelling e visualização.

ML clássico (regressão, classificação, clustering) e série...