MASTER DE DADOS E DEVOPS

Descrição da vaga

Descrição

Garantir a qualidade das entregas da plataforma de agentes de Inteligência Artificial da TOTVS

Responsabilidades e atribuições

Modelagem semântica e ontologias: Projetar e evoluir ontologias que descrevam conceitos de negócio do ERP (clientes, pedidos, notas fiscais, produtos, entre outros) e suas relações. O trabalho parte de um modelo canônico e chega às particularidades de cada cliente;

Mapeamento entre dados e conhecimento: Conectar as tabelas relacionais dos ERPs TOTVS (Protheus, RM) aos conceitos da ontologia, garantindo rastreabilidade entre o dado físico e seu significado de negócio;

Contexto para agentes de IA: Definir como o conhecimento semântico é entregue a LLMs e agentes, para que escolham as ferramentas certas e interpretem corretamente os dados retornados;

Experimentação e medição: Construir datasets de avaliação a partir de perguntas reais de clientes. Com eles, medir de forma comparativa, e em mais de um modelo, o ganho de assertividade trazido pela camada semântica;

Análise e preparação de dados: Explorar, limpar e preparar dados das bases dos ERPs, entendendo como as tabelas representam o negócio;

Integração com Produto e Negócio: Trabalhar com especialistas de domínio e times de produto para entender o vocabulário do negócio e transformá-lo em modelos formais e validados;

Integração com Engenharia: Trabalhar com o time de Engenharia de Dados para levar o que funciona nos experimentos para as tools usadas pelos agentes;

Referência técnica: Atuar como referência no tema, conduzindo provas de conceito, documentando decisões e apoiando tecnicamente outros profissionais do time.

Requisitos e qualificações

Representação do conhecimento: Experiência prática com ontologias e grafos de conhecimento (RDF, OWL, SPARQL, SHACL ou equivalentes) e com modelagem conceitual de domínios complexos;

Ciência de dados na prática: Experiência sólida em análise exploratória, estatística aplicada e desenho de experimentos;

Programação: Domínio de Python e do ecossistema de dados (Pandas, Jupyter ou similares);

SQL e modelagem de dados: Boa fluência em SQL e entendimento de como estruturas relacionais representam conceitos de negócio;

IA aplicada e LLMs: Vivência com LLMs aplicados a dados, como engenharia de contexto, RAG, function calling/tools ou agentes, e com avaliação de qualidade de respostas;

Método e experimentação: Capacidade de formular hipóteses, desenhar experimentos e comunicar resultados com evidência, seja vindo da pesquisa aplicada ou da indústria;

Comunicação e documentação: Capacidade de traduzir conceitos técnicos e semânticos para públicos de negócio e de manter documentação clara;

Versionamento: Conhecimento em Git.

Informações da vaga

Modalidade de trabalho: Remote