Saiba sobre os principais cargos, atribuições e habilidades requeridas na área de IA e ciência de dados

A área de Inteligência Artificial, assim como as demais da indústria da tecnologia, avança muito rápido, criando novas demandas e oportunidades de trabalho. Antes, e não faz muitos anos, os cargos dessas áreas eram estatístico/a, matemático/a, evangelista de dados, administrador/a de banco de dados. Hoje se ouve falar de cientista de dados, engenheiro/a de dados, especialista em inteligência artificial.

A evolução na demanda por Inteligência Artificial para a criação de novas aplicações e soluções para o mercado tem crescido muito e rápido ao longo dos últimos anos. Segundo o Fórum Econômico Mundial, haverá nos próximos anos uma alta na oferta de cargos relacionados à inteligência artificial e à ciência de dados.

Entre as habilidades e conhecimentos requeridos geralmente estão competências em estatística, matemática, programação, engenharia de software, manuseio de dados, habilidades de comunicação, e pensamento analítico e crítico para desenvolver soluções efetivas e eficientes.

A seguir, listamos alguns dos cargos mais comumente encontrados, específicos de inteligência artificial e em ciência de dados.

Cargos em Inteligência Artificial

Especialista em Inteligência Artificial
Segundo o relatório do LinkedIn de trabalhos emergentes no mercado, este cargo está em super relevância em 2020.
Seu papel varia dependendo da indústria, mas atua no desenvolvimento e customização de soluções em Inteligência Artificial. Requer conhecimento de linguagens da programação, Machine Learning (aprendizado de máquina), Deep Learning (aprendizagem profunda), PLN (processamento de linguagem natural, ou NLP em inglês), estatística e matemática.

Desenvolvedor/a de Inteligência Artificial
Responsável pela manutenção, aprimoramento e implementação de soluções de IA.
Habilidades requisitadas: domínio de linguagens de programação (R e/ou Python), bibliotecas relacionadas, bibliotecas e frameworks de ML, desenvolvimento de software, técnicas de processamento de imagens, tratamento de conjunto de dados, matemática.

Engenheiro/a de IA
Desenha projeções e desenvolvimento de sistemas e projetos de IA, desde a adequação até a programação. Domina linguagens de programação, engenharia de software e técnicas e ferramentas de processamento de dados, algoritmos de ML, DL, PLN, pensamento crítico e habilidades de comunicação.

Arquiteto/a de IA
Planeja a implementação de soluções de clientes usando frameworks de IA, e sistemas de integração da IA com a infraestrutura de TI. Requer conhecimentos em IA, big data, análises.

Cargos na Ciência de Dados

Com o aumento do uso de dados por diferentes negócios, tem crescido exponencialmente  a demanda por profissionais na área de ciência de dados. Entre os cargos mais conhecidos na área, estão os de analista de dados, engenheiro/a de dados, cientista de dados e engenharia de machine learning.

Veja a relação entre a demanda por as habilidades como analíticas, de negócios, narrativa com dados, interpessoais, e de software para cada cargo.

Relação entre os cargos e as habilidades necessárias, como analíticas, de negócios, narrativa com dados, interpessoais, e de software.

Fonte: Data Scientist vs Data Analysis vs ML Engineer: Which job is most suited for you?

Cientista de Dados (ou Data Scientist)
A profissão mais sexy do século XXI, segundo Harvard Business Review. Responsável por interpretar grandes conjuntos de dados complexos, encontrando ideias e padrões nestes. É considerado um cargo multidisciplinar, que demanda habilidades de comunicação, pesquisa e pensamento crítico, além de linguagens de programação, visualização de dados, Machine Learning, estatística e matemática.

Diagrama de comparação dos skills de Data Engineering em relação à Data Science

Diagrama de comparação dos skills de Data Engineering em relação à Data Science. Fonte: We don’t need everyone to be a Data Scientist.

Dependendo da maturidade da área na empresa, é possível encontrar níveis diferentes na organização, como cientistas de dados júnior (Junior Data Scientist), cientistas de dados sênior (Senior Data Scientist), cientista de dados líder (Lead Data Scientist) e cientista de dados principal (Principal Data Scientist).

Engenheiro/a de Dados (ou Data Engineer)
Cria sistemas automatizados e estruturas de modelos de dados que permitem seu processamento eficiente: desenvolve e mantém pipelines de dados. Domina sistemas de programação, engenharia de software, big data, interface e configuração de dados, além de análise comparativa de armazenamento de dados.
Há empresas que organizam a área com profissionais de níveis diferentes, como Engenheiro/a de dados líder (Lead data engineer) e Engenheiro/a de dados sênior (Senior data engineer).

Para saber mais sobre as discussões das diferenças entre cientistas de dados e engenheiros/as de dados, recomendamos a leitura das seguintes matérias: Não precisamos que todo mundo se torne um cientista de dados (Creditas), What Is The Difference Between A Data Engineer And A Data Scientist (em inglês) e Precisamos especializar a engenharia de dados (Creditas).

Analista de Dados
Coleta, limpa, e minera dados e os transforma em informações úteis para as empresas, auxiliando  na tomada de decisões. Requer proficiência em linguagens de programação como Python e SQL, ferramentas como Excel, fundamentos de manuseio, limpeza, compilação, modelagem e análise de dados, além de habilidades de matemática e pensamento crítico.

Arquiteto/a de Dados
Cria e implementa os projetos da plataforma de dados que permite a coleta e análise de big data, desde sistemas de base de dados até modelagem e manutenção dos dados.

Engenheiro/a de Machine Learning ou Aprendizado de Máquina (Engenheiro/a de ML, ou ML Engineer)
É um dos cargos em alta demanda. Desenvolve, implementa e aplica técnicas de aprendizado de máquina; além de experimentos e testes de aprendizado de máquina, colaborando no desenvolvimento de modelos de aprendizado de máquina e pipelines de dados. Requer conhecimento em ciência da computação, programação, estatística e matemática aplicada, modelagem de dados e habilidades de avaliação.

Analista ou Especialista de Business Intelligence (Analista/Especialista de BI)
Responsável pelo desenho, modelagem e análise de dados complexos para identificar tendências de negócios e de mercado. Requer conhecimento em técnicas de modelagem e análise de dados, plataformas analíticas, ferramentas de relatório e dashboards.

Os cargos listados acima são somente alguns dos mais conhecidos. Outros cargos encontrados são:

  • Desenvolvedor/a de algoritmos, e Especialista em algoritmos
  • Desenvolvedor/a de Big Data
  • Cientista de ML
  • Cientista de Robótica
  • Engenheiro/a DevOps
  • Cientista de aplicações ou plataformas,
  • Engenheiro/a de aplicações ou plataformas
  • Analista de Insights
  • Desenvolvedor/a ou Especialista de BI
  • Consultor/a de Dados
  • Consultor/a ou Especialista em Analytics
  • Cientista de Integração de Hardware, e Engenheiro/a de Integração de Hardware
  • Cientista de pesquisa
  • Engenheiro/a de Pesquisa & Desenvolvimento
  • Engenheiro/a mecânico/a e técnico/a de manutenção
  • Engenheiro/a elétrico e de manufatura.

Assim como alguns dos cargos mencionados podem existir em níveis diferentes (como júnior, sênior, chefe e líder) dependendo da maturidade da área na empresa, pode haver exigências específicas dependendo do cargo, do setor, da empresa e da indústria. Por exemplo, há empresas que desenvolvem produtos de inteligência artificial e abrem vagas para posições bem específicas na área, como Cientista de Deep Learning, Cientista de PLN, especialista em Machine Learning etc. Há também empresas que trabalham com ferramentas e/ou provedores específicos, como AWS e Azure, requisitando para tais profissionais com experiência nestas plataformas, como engenheiro/a de machine Learning para AWS.

Além disso, estão surgindo novos cargos em áreas relacionadas a: supervisão de programas de IA, para garantir que sua execução saia conforme; gerenciamento das implementações e operações técnicas da IA; segurança cibernética; coleta e limpeza de conjuntos de dados para uso de IA; entre outras.

Para saber mais sobre como fazer sua transição de carreira para IA, fique de olho no Módulo 5 – Próximos Passos da Sprint PrograMaria – Inteligência Artificial para Devs, sobre como trilhar carreira na área de IA ou em áreas específicas, como Internet das coisas (IoT), Machine Learning, PLN, e Visão Computacional.

Referências