Bolsa de TT-IV em Ciência de Dados / Aprendizado de Máquina / People Analytics

Level 4-Technical Training Fellowship in Data Science / Machine Learning / People Analytics

• Atividades e contexto Activities and context

  Construção, do zero, de uma plataforma preditiva de IA aplicada a decisões sobre desempenho, retenção e sucessão de lideranças. O projeto conta com estação local de IA (NVIDIA/AMD, 128 GB de memória unificada) para executar e enriquecer modelos de LLM localmente, sem depender de APIs externas.

  Atividades: integração e tratamento de dados de fontes corporativas (RH, ERP, CRM); modelagem preditiva (Random Forest, XGBoost, PCA, clusterização); explicabilidade via SHAP e auditoria de vieses; validação com dados reais de indústria parceira de grande porte; documentação técnica e versionamento.

  O trabalho acontece em uma startup madura, com produtos já lançados e em operação no mercado e time técnico em formação – ambiente com chance real de crescimento de carreira.

  Building, from the ground up, a predictive AI platform applied to decisions on leadership performance, retention and succession. The project includes a local AI workstation (NVIDIA/AMD, 128 GB unified memory) to run and enrich LLM models locally, with no dependency on external APIs.

  Activities: integration and preprocessing of data from multiple corporate sources (HR, ERP, CRM); predictive modelling (Random Forest, XGBoost, PCA, clustering); explainability via SHAP and algorithmic bias auditing; validation with real data from a large industrial partner; technical documentation and versioning.

  The work takes place in a mature startup, with products already launched and running in the market and a technical team being built – an environment with real career growth opportunities.

• Requisitos obrigatórios Mandatory requirements

  Graduação concluída em Ciência da Computação, Estatística, Engenharia, Matemática ou áreas correlatas, com no mínimo 2 anos de experiência em pesquisa ou profissional após a graduação, ou título de Mestre — conforme normas da FAPESP para bolsa TT-4. Domínio de Python e SQL. Conhecimento de bibliotecas de aprendizado de máquina (scikit-learn, pandas). Dedicação de 40 horas semanais.

  Completed undergraduate degree in Computer Science, Statistics, Engineering, Mathematics or related fields, with at least 2 years of research or professional experience after graduation, OR a Master's degree — in accordance with FAPESP regulations for TT-4 fellowships. Proficiency in Python and SQL. Working knowledge of machine learning libraries (scikit-learn, pandas). Full-time dedication, 40 hours per week.

• Requisitos desejáveis Desirable requirements

  Experiência com dados massivos, seja de recursos humanos e people analytics, seja de grandes massas de dados para projeção de cenários e predição. Familiaridade com serviços em nuvem (AWS), modelos locais de LLM, pipelines ETL e versionamento (GitHub). Conhecimento de técnicas de explicabilidade e mitigação de vieses em IA. Interesse em ética aplicada a decisões automatizadas sobre pessoas e comportamento. Boa comunicação escrita para documentação técnica.

  Experience with large-scale data, whether in human resources and people analytics or in large datasets for scenario projection and prediction. Familiarity with cloud services (AWS), local LLM models, ETL pipelines and version control (GitHub). Knowledge of explainability techniques and bias mitigation in AI. Interest in ethics applied to automated decisions about people and behaviour. Strong written communication for technical documentation.

• Como se candidatar How to apply

  Para se candidatar, envie currículo e carta de motivação de até uma página para ale.espinosa@3clicksrh.com.br, com o assunto “Bolsa TT-4 – FAPESP 2025/25015-8”. Na carta, descreva uma situação em que um modelo pode prejudicar alguém sem que ninguém perceba. Candidatos selecionados serão contatados para entrevista técnica.

  To apply, send your CV and a one-page motivation letter to ale.espinosa@3clicksrh.com.br, with the subject line “TT-4 Fellowship – FAPESP 2025/25015-8”. In the letter, describe a situation in which a model could harm someone without anyone noticing. Selected candidates will be contacted for a technical interview.