Get a reply from this recruiter
Your resume and cover letter, tailored to exactly what they’re hiring for.
Sylision procura um Cientista de Dados Pleno para prever inadimplência em recursos humanos, com atuação 100% remota. O foco é separar inadimplência de desligamentos, construir atributos a partir de folha de pagamento e calibrar probabilidades com validação rigorosa.
A vaga exige domínio em Python, Pandas, scikit-learn, SQL e ética na avaliação de risco, com comunicação clara para áreas financeiras e jurídicas.
Vaga aberta de Cientista de Dados Pleno (Previsão de Inadimplência em Recursos Humanos). A empresa contratante é confidencial neste anúncio, e a seleção é conduzida pela Sylision.
Nível: pleno.
Modelo de trabalho: 100% Remoto.
Contratação: tempo integral, CLT ou PJ.
A área de recursos humanos concede adiantamento salarial e empréstimo consignado a colaboradores, com desconto em folha. Mesmo com o desconto, existe inadimplência: pessoas desligadas antes de quitar, rescisões que não cobrem o saldo e margem consignável que muda com afastamento. A pergunta do negócio é qual a probabilidade de o saldo não ser recuperado, para ajustar limite e prazo concedido a cada pessoa.
Esse problema tem peculiaridades. A inadimplência aqui se confunde com desligamento, então um modelo ingênuo aprende a prever demissão e não risco de crédito. Os dados chegam censurados, porque quem ainda está pagando não tem desfecho, e a classe de interesse é rara. Também há um cuidado ético evidente: usar afastamento por saúde ou licença maternidade como atributo seria discriminação, e a validação precisa mostrar que o modelo não penaliza grupos protegidos.
Você entrega um modelo com validação fora do tempo, calibração das probabilidades, explicação por pessoa do que pesou e uma recomendação de política de limite que o time financeiro consiga aprovar e acompanhar.
Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em São Paulo, SP. O modelo é discutido com o financeiro e o jurídico antes de qualquer uso, e a documentação inclui limites conhecidos. Depois de implantado, a perda observada é comparada com a prevista a cada mês.
Seus dados: tratados conforme a LGPD, com remoção a qualquer momento, a pedido.