Cientista De Dados

CIENTISTA DE DADOS - MODELAGEM ESPACIAL DE CRÉDITOS DE BIODIVERSIDADEOBRIGATÓRIO : Você deve preencher o formulário disponível no link abaixohttps : / / striped-owner-SOMENTE SERÃO AVALIADOS(AS) CANDIDATOS(AS) QUE ENVIAREM SUAS INFORMAÇÕES NESTE NO LINK INFORMADOCONTRATAÇÃOTipo de Bolsa : Bolsa de Desenvolvimento Tecnológico DT-I — R$ 5.200,00 (Valores fixos conforme edital FAPEMIG; sem negociação.Contratação como pessoa física, sem vínculo CLT, MEI ou PJ.)Local de Trabalho 100 % home-office, obrigatoriamente residente em Minas GeraisFormação : doutorado ou graduação e experiência equivalente (=6 anos) em ciência de dados, modelagem espacial de dados ambientais ou áreas correlatas.IMPORTANTE : Estes requisitos são exigência da FAPEMIG, não sendo possível alterar qualquer ponto.OBJETIVOSA EnvironBIT desenvolve a metodologiaKm de Proteção (KmP)para identificar trechos rodoviários com alto risco de atropelamentos.

Os KmP são modelos preditivos definidos km a km que integram dados de atropelamento, variáveis biológicas / ecológicas e tipologias de rodovias, permitindo mapear mais de 400 mil km com 86 % de precisão sem precisar estudar cada trecho.

Esses modelos substituem estudos de campo longos e custosos e entregam risco por horário do dia, consideram sazonalidade e avaliam o comportamento do motorista (redução de velocidade).

A empresa ampliou essa abordagem para criar osCréditos de Fauna (CF).

Inspirados nos créditos de carbono, os CF quantificam quantas vidas animais são preservadas quando motoristas reduzem a velocidade em trechos de risco; a quantidade de créditos depende do nível de risco do Km percorrido e da velocidade do veículo em relação ao limite da via.

O profissional desta vaga liderará o desenvolvimento doalgoritmo que calcula os Créditos de Fauna, integrando os modelos KmP comvariáveis de comportamento do motorista.

O algoritmo deve seguir padrões de medição, reporte e verificação (MRV) compatíveis com certificações internacionais e possibilitar tokenização dos créditos no futuro.RESPONSABILIDADESMês 1 – Imersão e PlanejamentoRealizar imersão em Créditos de Faunae Km de Proteção, consultando literatura científica, legislação de créditos de biodiversidade, reuniões com equipe interna e documentos internos da EnvironBIT.

Compreender a relação entre risco, velocidade e vidas salvas.

• Mapear fontes de dados geoespaciais e de tráfego : bases de atropelamentos, dados de volume e velocidade (sistemas U-Safe, telemetria de frotas, APIs de trânsito), limites de velocidade e características das vias.
• Documentar pipeline de ingestão de dados e cronograma de entrega.Meses 2-4 – Protótipo do Algoritmo (versão 0.5)Aprender sobre nosso data warehouse geoespacialintegrando KmP (variáveis de risco), dados de tráfego e telemetria (velocidade do veículo) e limites de velocidade.
• Desenvolver protótipo (v0.5) do algoritmo de Créditos de Faunautilizando Python e bibliotecas como Pandas, NumPy, Scikit-Learn, GeoPandas e PostGIS.

O algoritmo deve calcular créditos ponderando o risco de cada quilômetro (KmP) e a mudança de comportamento dos motoristas.

Garantir compatibilidade com requisitos de certificação de créditos ambientais.Meses 7-8 – Algoritmo v1.0 e API DockerizadaEstabilizar o algoritmo (v1.0) e criar API RESTpara integração com o SaaS da EnvironBIT e sistemas de frotas.

Testar abordagens de aprendizado de máquina avançadas (modelos de séries temporais, redes neurais geoespaciais) para melhorar a precisão.Trabalhar com a equipe de produtos para definir requisitos de tokenização dos Créditos de Fauna, explorando padrões de blockchain e contratos inteligentes.Meses 10-12 – Benchmarking, Robustez e Transferência de ConhecimentoConduzir tests de estressepara avaliar robustez sob diferentes cenários (tráfego intenso, variação de limites de velocidade, diferentes biomas).

Comparar o algoritmo com abordagens de referência.

Familiaridade com estatística espacial e algoritmos de regressão / classificação.

Capacidade de integrar dados de tráfego e mapas de risco.