Arquitetura de Dados e Engenharia de DadosDesenho e Construção de Arquiteturas: Criação de soluções robustas para ingestão, armazenamento e análise de dados, utilizando data warehouses, data lakes e lakehouses (ex.: Spark, Delta Lake).Pipelines de Dados (ETL/ELT): Automação de fluxos de trabalho com ferramentas como Apache Airflow e DBT, além de experiência em ETL com Pentaho. Habilidade avançada em SQL e Python.Visualização e Análise de DadosCriação de dashboards interativos no Power BI para acompanhamento de KPIs e suporte à tomada de decisões.Big Data e Processamento de DadosExpertise no processamento de grandes volumes de dados com Apache Spark e na otimização de fluxos de trabalho.Machine Learning e Modelos PreditivosDesenvolvimento de modelos de machine learning com TensorFlow, Keras e Scikit-learn.Experiência em pré-processamento e análise de dados com Pandas e NumPy.Validação e ajuste de modelos para garantir alta performance.Deploy e Integração de ModelosDesdobramento de modelos de machine learning utilizando Docker e integração via APIs (ex.: Flask, FastAPI).

Domínio em arquitetura de dados:Projetar e construir arquiteturas de dados robustas que suportem sistemas de ingestão, processamento e análise de dados.Experiência com data warehouses, data lakes e data lakehouses, utilizando ferramentas como Spark, Delta Lake, entre outras.Criação e manutenção de pipelines ETL/ELT:Forte habilidade na automação de pipelines de dados, desde a extração até a carga em sistemas de armazenamento, utilizando ferramentas como Apache Airflow e DBT.Conhecimento em ferramentas de ETL como Pentaho, além de linguagens como SQL e Python para transformação de dados.Desenvolvimento de Dashboards e indicadores (KPIs/OKRs): Criação de visualizações e relatórios interativos (Power BI) para monitoramento de KPIs e OKRs de forma clara e informativa.Processamento de grandes volumes de dados (Big Data):Experiência com sistemas distribuídos, como Spark, para processar grandes conjuntos de dados.Capacidade de otimizar fluxos de trabalho para garantir a eficiência em pipelines de dados massivos. Armazenamento e gestão de dados:Proficiência em bancos de dados relacionais (PostgreSQL, MySQL) e não relacionais (NoSQL, MongoDB).Conhecimento em soluções de armazenamento em nuvem, como AWS S3 e MinIO.Orquestração e automação de workflows de dados:Experiência com ferramentas de orquestração de workflows, como Apache Airflow, para gerenciar e automatizar pipelines complexos.Habilidades em criar jobs escaláveis e confiáveis que garantam a continuidade dos processos de dados. DevOps e Engenharia de Dados:Integração com ferramentas de CI/CD para automatizar o deploy de pipelines e monitoramento de performance (Jenkins, CircleCI, GitLab).Familiaridade com contêineres (Docker) e orquestração de contêineres (Kubernetes) para deploy de pipelines de dados.

Carga e descarga de produtos químicos.Limpeza de TanquesLimpeza de linhas.