Cientista de Dados · Encontra padrões e constrói modelos preditivos a partir de dados – um cargo de 2008 baseado em três séculos de contagem, teste e visualização de evidências.
Celulas mais escuras marcam uma pontuacao mais alta nesse indicador.
MenosMais
Ultima revisao Fontes e creditosCréditos de mídiaMetodologia
Ao contrário da imagem de “construção de modelos de IA”, a maioria dos dias é dividida entre escrever consultas SQL e código Python para extrair e limpar dados, executar testes estatísticos ou modelos de treinamento e traduzir os resultados em um gráfico ou memorando sobre o qual uma parte interessada não técnica possa agir. Pesquisas realizadas com profissionais colocam consistentemente a limpeza e preparação de dados em cerca de metade ou mais do tempo total de trabalho.
Não. Ao contrário da medicina ou do direito, não há licença ou diploma único exigido; um bacharelado ou mestrado em estatística, ciência da computação, matemática ou áreas quantitativas relacionadas é o caminho mais comum, e um forte portfólio de projetos reais geralmente é mais importante para os empregadores do que a credencial exata. Os PhDs são mais comuns em funções de aprendizado de máquina aplicado ou de pesquisa intensa.
Não exatamente. Baseia-se fortemente em estatística – o projeto experimental de Fisher, a análise exploratória de Tukey – mas acrescenta programação, engenharia de banco de dados e aprendizado de máquina que os departamentos de estatística clássica raramente ensinam. William S. Cleveland propôs o termo em 2001 especificamente para descrever esta versão ampliada e com muita computação do campo, baseada em estatísticas em vez de substituí-la.
O fim da rotina já está exposto: as ferramentas AutoML podem ajustar e ajustar modelos padrão, e os assistentes de IA podem escrever consultas SQL, primeiros rascunhos de gráficos exploratórios e código de pipeline clichê mais rápido do que uma pessoa. O que não foi automatizado foi formular a pergunta certa, julgar se um padrão é significativo ou espúrio e assumir a responsabilidade por uma decisão baseada no resultado.
Varia muito de acordo com o país e a antiguidade. O Bureau of Labor Statistics dos EUA estimou o salário médio anual para a ocupação de Cientistas de Dados em cerca de 108.000 dólares em 2023, enquanto os analistas juniores muitas vezes começam perto de 70.000 a 95.000 dólares e os cientistas de dados seniores ou principais em grandes empresas de tecnologia podem ganhar entre 200.000 e 400.000 dólares ou mais em remuneração total com capital próprio.
Um analista de dados normalmente responde a questões de negócios definidas com dados e painéis existentes; um cientista de dados constrói novos modelos estatísticos e análises preditivas, muitas vezes a partir de dados mais confusos; um engenheiro de aprendizado de máquina tira um modelo de um notebook e o faz funcionar de maneira confiável, em escala, na produção. Os limites se confundem constantemente e muitas pessoas alternam entre os três ao longo da carreira.
A imagem popular de um cientista de dados construindo modelos preditivos inteligentes é real, mas incompleta. Pesquisas de profissionais e relatos em primeira mão descrevem consistentemente um trabalho em que encontrar, limpar e remodelar dados confusos consome mais horas do que a etapa de modelagem que a maioria das pessoas imagina.
A arte transmitida dentro da área tem menos a ver com a memorização de um algoritmo específico e mais com o ceticismo disciplinado: observar os dados antes de confiar em qualquer modelo deles, verificar se um padrão se mantém dentro de subgrupos e saber quando a resposta honesta à pergunta de uma parte interessada é que os dados não podem suportá-lo.
Teste de hipóteses, regressão e compreensão do que um valor p ou intervalo de confiança realmente afirma - a base inferencial sobre a qual todo o resto do trabalho se baseia.
Escrever código fluente o suficiente para extrair, limpar e transformar dados em escala, e não apenas prototipar uma análise em um notebook que nunca mais precisará ser executado.
Transformar dados confusos e inconsistentes do mundo real — valores ausentes, registros duplicados, formatos incompatíveis — em algo que um modelo ou gráfico possa realmente usar.
Escolher, treinar e validar um modelo adequado ao problema e saber quando uma regressão simples supera uma rede neural elaborada.
Traduzir um resultado estatístico num gráfico, num memorando ou numa recomendação que um executivo não técnico possa seguir, sem simplificar demasiado ou enterrar a incerteza real.
Compreender o que uma métrica realmente significa dentro de um negócio específico ou campo científico, para que uma análise responda à pergunta que realmente foi feita.
Revisão de execuções noturnas de pipeline e painéis de métricas principais e uma breve sincronização com a equipe sobre as prioridades do dia.
Escrever consultas SQL em um data warehouse, unir e remodelar tabelas e lidar com valores ausentes ou inconsistentes — geralmente o maior bloco único de um dia de trabalho.
Uma pausa genuína e, muitas vezes, um ambiente informal onde os problemas entre as equipes são levantados antes de chegarem a uma reunião agendada.
Construir ou refinar um modelo estatístico, executar um teste de significância de um experimento ou investigar por que uma métrica mudou.
Apresentar descobertas para uma equipe de produto ou negócio, revisar os resultados de um teste A/B ou defender as suposições de uma análise sob questionamento.
Tempo pessoal, exceto em torno do lançamento de um produto ou de uma revisão trimestral de negócios, quando as noites podem absorver solicitações de análise de última hora.
Craft knowledge practitioners actually pass on — not motivation.
Trace as distribuições brutas, gráficos de dispersão e resumos simples antes de ajustar qualquer coisa - um hábito que detecta dados quebrados, erros de unidade e valores discrepantes que um modelo absorveria e ocultaria silenciosamente.
Uma tendência agregada pode ser completamente revertida quando os dados são divididos por uma categoria relevante — um padrão conhecido como paradoxo de Simpson, nomeado em homenagem a um artigo de 1951 do estatístico Edward H. Simpson.
Verificar repetidamente o desempenho em relação aos mesmos dados retidos e, em seguida, ajustar o modelo, vaza silenciosamente informações desses dados para o modelo – tocá-los apenas uma vez é o que mantém o resultado final honesto.
Projetos reais são consistentemente executados mais perto de 80% de preparação de dados e 20% de modelagem do que o inverso – planejar um cronograma em torno da suposição oposta é uma forma comum de atraso dos projetos.
Uma linha de base – às vezes apenas uma regra ou um modelo linear – esclarece o quanto um modelo mais complexo realmente acrescenta e geralmente é bom o suficiente para ser fornecido por conta própria.
Uma correlação surpreendente é mais frequentemente um artefato de uma terceira variável oculta do que uma descoberta genuína – procure ativamente o que mais poderia explicá-la antes de apresentar um resultado.
A linguagem dominante para manipulação de dados e aprendizado de máquina clássico, com pandas para dados tabulares e scikit-learn para algoritmos de modelagem padrão.
A linguagem de consulta para extrair dados dos data warehouses relacionais e em nuvem — Snowflake, BigQuery, Redshift — onde realmente residem os dados da maioria das empresas.
O ambiente interativo padrão para análise exploratória, permitindo que um cientista de dados execute código, visualize um gráfico e faça anotações no mesmo documento.
Ferramentas de painéis de inteligência de negócios usadas para transformar uma análise finalizada em algo que uma parte interessada não técnica possa explorar e monitorar sem escrever código.
Controle de versão para código e, cada vez mais, para modelos, juntamente com a infraestrutura em nuvem que armazena dados e executa trabalhos de treinamento em uma escala que um laptop não consegue suportar.
Executar muitas comparações estatísticas e relatar apenas aquela que ultrapassa um limite de significância produz falsas descobertas que não serão replicadas – um modo de falha bem documentado conhecido como p-hacking.
A inclusão acidental de um recurso que codifica o resultado previsto produz resultados off-line irrealisticamente fortes que entram em colapso quando o modelo é executado com dados de produção genuinamente invisíveis.
Um modelo de aprendizado de máquina cuidadosamente ajustado para resolver um problema que uma simples consulta SQL ou fórmula de planilha também teria respondido, desperdiçando esforço e pode perder a questão comercial real.
O guardião dos livros: herdeiro de um ofício tão antigo que inventou a própria escrita, agora negociando com o software construído para automatizá-lo.
AI-resistant 35 🗺️Decide o que uma empresa deve construir a seguir e por quê – transformando as necessidades dos clientes, as metas de negócios e os limites de engenharia em um plano compartilhado que ninguém mais possui.
AI-resistant 50 💻Escreve, testa e mantém o código que comanda a vida moderna – e é uma das primeiras profissões a observar a IA automatizar seu próprio trabalho diário.
AI-resistant 35 📣O profissional que cria procura – desde as paredes pintadas de Pompeia e o memorando do homem de marca da P&G de 1931 até aos feeds conduzidos por leilões da era digital.
AI-resistant 38 📦Constrói os sistemas que treinam, implantam, monitoram e controlam modelos de aprendizado de máquina em produção.
AI-resistant 54 🔎Estuda como as pessoas usam os produtos, transformando comportamentos, necessidades e frustrações observados em evidências que as equipes podem desenvolver.
AI-resistant 69Deriva e testa as leis matemáticas que regem a matéria, a energia, o espaço e o tempo, desde um quadro-negro solitário até um artigo sobre o acelerador de partículas de 3.000 autores.
AI-resistant 65 🧬O cientista que estuda a própria vida, desde Linnaeus nomeando espécies manualmente até a edição de genomas com CRISPR, ainda testando todas as ideias contra um organismo vivo.
AI-resistant 64 🧪O cientista que fabrica e mede a própria matéria – desde o perfume babilónico de Tapputi até aos laboratórios robóticos de hoje, continua a ser aquele que decide o que significa o espectro.
AI-resistant 70 🔭O cientista que mede o universo, desde as tabuletas de argila da Babilônia até os telescópios espaciais, ainda decidindo qual oscilação nos dados é uma descoberta.
AI-resistant 70 🧮Dos escribas babilônicos aos medalhistas Fields e às provas assistidas por IA: a profissão que transforma questões difíceis em certezas permanentes, um teorema de cada vez.
AI-resistant 70 🧿Constrói, mede e controla dispositivos que exploram estados quânticos para computação, detecção, comunicação e pesquisa de materiais.
AI-resistant 78 🧫Utiliza dados clínicos, de ensaios e do sistema de saúde para gerar evidências confiáveis para cuidados, pesquisas e decisões operacionais mais seguras.
AI-resistant 68