Attus Procuradoria Digital

Data Scientist

• Desenvolver modelos de classificação e regressão para previsão de: probabilidade de êxito, tipo de sentença, comportamento do processo ao longo da tramitação;
• Criar e testar diferentes abordagens: modelos clássicos (Logistic Regression, XGBoost, Random Forest), modelos baseados em NLP, embeddings, Transformers e modelos híbridos (estatística + semântica textual);
• Analisar petições iniciais e outras peças para extrair: entidades jurídicas (NER), emas, fundamentos, pedidos e características relevantes, similaridades entre processos;
• Criar features semânticas e estruturadas para alimentar os modelos;
• Atualizar-se em metodologias e algoritmos de vanguarda para otimizar acurácia e demais métricas relevantes, no contexto de predição de sentenças jurídicas;
• Realizar análises exploratórias profundas (EDA) de dados jurídicos fornecidos pelo sistema;
• Testar diferentes estruturas de dados para melhorar performance dos modelos;
• Construção de provas de conceito (POCs) com LLMs voltadas para: sumarização de peças, andamentos e decisões; geração assistida de textos jurídicos (minutas, pareceres preliminares etc.); apoio aos procuradores com agentes especializados;
• Trabalhar com RAG (Retrieval-Augmented Generation) conectado a bases jurídicas; semantic Search para captura de entendimento jurídico; ajuste fino (fine-tuning) ou instrução de modelos generativos para tarefas específicas e benchmarking de modelos abertos e proprietários;
• Validar modelos usando métricas robustas (AUC, F1, KS etc.);
• Aplicar técnicas de explicabilidade/representatividade das variáveis decisoras;
• Gerar relatórios técnicos explicando: metodologia, interpretação dos resultados, relevância das variáveis, limitações e próximos passos, documentar versões, experimentos e procedimentos de treinamento;
• Especificar requisitos técnicos para integração dos modelos;
• Entregar artefatos e orientações técnicas sobre input/output dos modelos;

Cientista de Dados

• Develop classification and regression models to predict: probability of success, type of decision, and case behavior throughout proceedings;
• Design and evaluate different approaches: classical models (Logistic Regression, XGBoost, Random Forest), NLP-based models, embeddings, Transformers, and hybrid models (statistical + textual semantics);
• Analyze initial petitions and other legal documents to extract: legal entities (NER), themes, grounds, claims, relevant attributes, and similarities between cases;
• Create semantic and structured features to feed the models;
• Stay current with state-of-the-art methodologies and algorithms to optimize accuracy and other relevant metrics in the context of predicting legal decisions;
• Perform deep exploratory data analysis (EDA) on legal datasets provided by the system;
• Test different data structures to improve model performance;
• Build proofs of concept (POCs) with LLMs focused on: summarization of filings, case progress and decisions; assisted generation of legal texts (drafts, preliminary opinions, etc.); support for attorneys with specialized agents;
• Work with RAG (Retrieval-Augmented Generation) connected to legal knowledgebases; use semantic search to capture legal understanding; fine-tune or instruct generative models for specific tasks and benchmark open-source and proprietary models;
• Validate models using robust metrics (AUC, F1, KS, etc.);
• Apply explainability and feature-importance techniques to interpret decision drivers;
• Produce technical reports explaining: methodology, interpretation of results, relevance of variables, limitations and next steps; document versions, experiments and training procedures;
• Specify technical requirements for integrating models;
• Deliver artifacts and technical guidance on model input/output.