Cientista de Dados Sênior (Modelos de Propensão na Educação)

Sylision; United States; Remote; USD 110,000 - 180,000; Full time

Benefits offered by this job

Trabalho remoto total

Ambiente colaborativo

Conexe3o global

Safade mental e bem-estar

Job summary

A Sylision está contratando um(a) Cientista de Dados Sênior para atuar com modelos de propensão e uplift na área de educação. O trabalho é 100% remoto, com contratação CLT ou PJ para cliente confidencial.

Você vai construir e implantar modelos para prever matrícula, abandono e adesão a ofertas de cursos, orientando ações da equipe de admissão e tutoria. O papel exige rigor estatístico, manejo de dados tabulares, calibração de modelos, validação por safra e avaliação de impacto em campo.

Qualifications

• Modelagem de propensão e de abandono com dados tabulares, incluindo calibração.
• Construção de variáveis a partir de dados de inscrição, interação e desempenho.
• Treinamento e calibração de modelos com validação por safra.

Responsibilities

• Definir eventos a prever com admissão/tutoria e a ação associada.
• Construir variáveis sem vazamento de informação futura.
• Treinar e calibrar modelos de propensão com validação por safra.
• Estimular efeito da ação com uplift e testes controlados.
• Definir regras de uso do escore para a equipe.

Skills

Propensity modeling

Python

Pandas

SQL avançados

Estatística

Tools

scikit-learn

XGBoost

SQL

Job description

Vaga aberta de Cientista de Dados Sênior (Modelos de Propensão na Educação). A empresa contratante é confidencial neste anúncio, e a seleção é conduzida pela Sylision.

Nível: senior.

Modelo de trabalho: 100% Remoto.

Contratação: tempo integral, CLT ou PJ.

Sobre a vaga:

Uma instituição de ensino quer saber quem tem mais chance de se matricular depois de se inscrever, quem tende a abandonar o curso no primeiro semestre e quem responderia a uma oferta de curso complementar. São três perguntas de propensão, e cada uma serve a uma ação concreta: quem recebe ligação do time de admissão, quem é acompanhado por tutoria, quem recebe a oferta.

Você vai construir esses modelos e, principalmente, usá-los bem. Um escore de propensão alto não significa que a ação funcione: quem ia se matricular de qualquer jeito não precisa de ligação. Por isso, além de prever o comportamento, você estima o ganho da ação com modelos de uplift e experimentos, para direcionar o esforço a quem de fato muda de decisão por causa dele.

Os cuidados são conhecidos e exigem rigor: variáveis que só existem depois do evento, população que muda a cada vestibular, rótulos que chegam tarde. A entrega inclui o modelo, a calibração, a regra de uso e a medição do efeito em campo, e um cuidado ético com alunos em situação vulnerável, para que a previsão leve a apoio e não a exclusão.

O que você vai fazer:

• Definir com admissão e tutoria o evento a prever, a janela de observação e a ação associada
• Construir variáveis com dados de inscrição, de interação e de desempenho, evitando vazamento de informação futura
• Treinar e calibrar modelos de propensão com validação por safra
• Estimar o efeito da ação com modelos de uplift e com testes controlados
• Definir a regra de uso do escore, como faixa de contato e capacidade da equipe
• Medir em campo o ganho de matrícula e de permanência atribuível às ações
• Revisar o modelo quanto a desigualdades indevidas e documentar o uso responsável

Requisitos:

• Modelagem de propensão e de abandono com dados tabulares, incluindo calibração
• Entendimento de efeito de tratamento e de diferença entre prever e decidir
• Estatística sólida e delineamento de experimento em campo
• Python, Pandas e SQL avançados
• Cuidado com vazamento de dados e mudança de população entre safras
• Capacidade de transformar o resultado em regra que a equipe consegue aplicar

Diferenciais:

• Experiência com ensino superior, cursos livres ou ensino a distância
• Modelos de uplift e de efeito heterogêneo
• Análise de sobrevivência para permanência no curso
• Ética em modelos que afetam o acesso de estudantes a apoio ou a oferta
• Experiência de apresentar resultado a coordenação pedagógica

Como é trabalhar aqui:

Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em São Paulo, SP. Os modelos só entram em uso depois de revisão metodológica de outra pessoa e de um acordo com a área que vai agir sobre o escore. O efeito das ações é acompanhado a cada período e o que não funcionou é registrado e discutido. Na candidatura, informe a sua pretensão salarial.

Benefícios oferecidos pela empresa contratante:

• Ambiente colaborativo, com senso de comunidade e conquistas celebradas em equipe
• Trabalhe de qualquer lugar, com liberdade e flexibilidade
• Conexão global: convivência com times de diferentes países e culturas
• Apoio à saúde física com TotalPass e Mediquo
• Cuidado com a saúde mental pelo programa Team Care
• Contratação e jornada definidas com a empresa contratante

Tecnologias envolvidas:

• Python
• Modelos de propensão
• scikit-learn
• XGBoost
• SQL
• Estatística
• Jupyter
• Calibração

Seus dados: tratados conforme a LGPD, com remoção a qualquer momento, a pedido.