• Work independently to analyze and interpret healthcare utilization and financial data to address business questions regarding population health management, health and economic outcomes, quality of healthcare, and product design. • Work with clients to identify historical and future cohort populations, calculate utilization and costs, and estimate financial results under different models. • Work with clients to provide insights about new opportunity assessment. • Use SAS, SQL, and Tableau to design platforms to report on various healthcare deliverables. • Track issues with reports, including defects in logic, data quality problems, and process errors. • Build up predictive models to segment patients. • Support analytical research projects using your statistics and modeling skills.

• Work in the Data Science team, focusing on LLMs and GenAI, from a platform and marketplace perspective. • You will build models, tinker around them to make them work, test them, and eventually deploy them to production. You will see your stuff in action and you will be able to measure the true impact of your models (less expected, yet a requirement) • You will maintain strong relationships with stakeholders. This means asking a lot of questions to business people, and translating their requirements into achievable projects. It also means collaborating with other teams, like infrastructure and data engineering to get things done in an elegant and timely manner. • Partner with Engineering and Product to deliver solutions (customer-facing and platforms) to our customers (internal and end customers) • Work with Product Analytics to track the KPIs of different ML use cases and measure the impact on our customers. • Partner with the Experimentation team to integrate the KPIs and their proxies into the Experimentation (A/B testing) platform. • You will work in multi-functional teams, in a diverse, multinational environment, filled with people from Portugal, Bulgaria, Romania, Poland, Ukraine, Kazakhstan, and Uzbekistan. • Most importantly you will have fun working with us :)

• Conduzir projetos de Data Science de ponta a ponta, desde a definição e recorte do problema com Produto/Operações até a entrega em produção, acompanhando impacto no negócio e evoluções contínuas da solução. • Projetar, implementar e sustentar pipelines de Machine Learning em produção (batch e online), garantindo confiabilidade, escalabilidade e manutenibilidade em cenários de alto volume e necessidade de resposta rápida. • Gerenciar o ciclo de vida completo dos modelos (experimentação, validação, publicação, monitoramento e iteração), incluindo definição de métricas e rotinas de acompanhamento de data drift e concept drift. • Desenvolver e evoluir sistemas de inferência para diferentes casos de uso (batch e tempo real), trabalhando com trade-offs de arquitetura para suportar paralelização, concorrência e baixa latência. • Otimizar performance ponta a ponta de soluções em produção, atuando sobre latência, throughput e uso de recursos computacionais, com foco em respostas rápidas e processamento de múltiplas requisições simultâneas. • Estruturar e aprimorar práticas de MLOps (infra, deploy e observabilidade), incluindo versionamento de modelos e artefatos, automação de deploy e monitoramento contínuo de performance e saúde do sistema em produção. • Atuar em parceria com Tech Leaders de Engenharia e PMs para desenhar soluções viáveis, alinhar expectativas, comunicar resultados (técnicos e de negócio) e viabilizar a entrega dos sistemas em produção. • Manter-se atualizado(a) em melhores práticas de Data Science aplicada e produtividade em desenvolvimento (incluindo ferramentas de desenvolvimento assistido por IA), avaliando e propondo melhorias que façam sentido para o contexto e qualidade de entrega.

• Coletar, tratar e analisar grandes volumes de dados estruturados e não estruturados; • Desenvolver modelos estatísticos e de machine learning para previsão e classificação; • Criar dashboards e relatórios para acompanhamento de métricas de negócio; • Trabalhar em parceria com áreas de negócio para identificar oportunidades baseadas em dados; • Implementar e monitorar modelos em produção; • Garantir a qualidade e governança dos dados utilizados; • Explorar novas técnicas e ferramentas de análise de dados e IA.