Engenheiro(a) de Machine Learning Pleno (Detecção de Fraude no E-commerce)

Sylision; United States; Remote; USD 22,000 - 44,000; Full time

Benefits offered by this job

Ambiente colaborativo

Trabalhe de qualquer lugar

Conexão global: times de diferentes pa

Apoio à saúde física e mental

Job summary

A Sylision está oferecendo uma vaga de Engenheiro(a) de Machine Learning Pleno em detecção de fraude no e-commerce. O(a) profissional desenvolverá variáveis comportamentais por cartão, dispositivo e endereço, treinando modelos tabulares com técnicas de gradiente boosting e validação temporal para dados desbalanceados.

O papel envolve implantação de modelos em serviço com baixa latência, monitoramento de deriva e retrain automatizado via MLflow/Airflow, além de explicação do trade-off entre

Qualifications

• Autonomia para entregar uma frente de modelagem em produção
• Modelos tabulares com scikit-learn e gradiente boosting
• Validação temporal e métricas para classes raras, como PR AUC
• SQL avançado para construir variáveis
• Experiência com implantação de modelo em serviço
• Clareza para explicar o trade-off de erros ao negócio

Responsibilities

• Construir variáveis de comportamento por cartão, dispositivo e endereço
• Treinar e validar modelos tabulares com divisão temporal
• Tratar desbalanceamento e rótulo atrasado
• Escolher o ponto de corte com o negócio, a partir do custo de cada erro
• Implantar o modelo em serviço de baixa latência
• Monitorar deriva e alertar quando o desempenho cair
• Automatizar o retreino e o registro de versões com MLflow e Airflow

Skills

Autonomia

Modelos tabulares - scikit-learn

Validação temporal

SQL avançado

Implantação de modelo

Trade-off de erros

Tools

Python

scikit-learn

XGBoost

MLflow

SQL

Docker

Airflow

Git

Detecção de anomalias

Job description

Vaga aberta de Engenheiro(a) de Machine Learning Pleno (Detecção de Fraude no E-commerce). 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.

Sobre a vaga:

Num e-commerce, a fraude aparece como chargeback semanas depois da compra: cartão clonado, conta tomada, endereço de entrega suspeito. O modelo que você vai construir dá uma nota de risco ao pedido em milissegundos, para o sistema aprovar, pedir verificação ou segurar. Errar para um lado deixa passar prejuízo, para o outro barra cliente bom.

O desafio está nos dados. Fraude é rara, então a base é desbalanceada, e o rótulo chega atrasado, porque o chargeback só confirma depois de 30 ou 60 dias. Isso exige cuidado com a validação por tempo, para não treinar com informação do futuro, e com variáveis calculadas na hora, como o número de pedidos do mesmo cartão na última hora. O comportamento dos fraudadores muda, então a deriva precisa ser vista cedo.

O resultado se mede em valor fraudado evitado, taxa de falsos positivos e tempo de resposta. Cada ponto de corte muda o equilíbrio entre os dois erros, e a decisão sobre ele é do negócio, com os números que você apresentar.

O que você vai fazer:

• Construir variáveis de comportamento por cartão, dispositivo e endereço
• Treinar e validar modelos tabulares com divisão temporal
• Tratar desbalanceamento e rótulo atrasado
• Escolher o ponto de corte com o negócio, a partir do custo de cada erro
• Implantar o modelo em serviço de baixa latência
• Monitorar deriva e alertar quando o desempenho cair
• Automatizar o retreino e o registro de versões com MLflow e Airflow

Requisitos:

• Autonomia para entregar uma frente de modelagem em produção
• Modelos tabulares com scikit-learn e gradiente boosting
• Validação temporal e métricas para classes raras, como PR AUC
• SQL avançado para construir variáveis
• Experiência com implantação de modelo em serviço
• Clareza para explicar o trade-off de erros ao negócio

Diferenciais:

• Variáveis de grafo, como ligação entre contas
• Armazém de variáveis em tempo real
• Explicabilidade com SHAP para análise de caso
• Conhecimento de regras de antifraude combinadas ao modelo
• Noção de proteção de dados de pagamento

Como é trabalhar aqui:

Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em Minas Gerais. Mudanças no modelo passam por revisão e por comparação com a versão em produção antes de substituí-la. Você tem apoio de par nas decisões de desenho, e os números de fraude evitada e de bloqueio indevido são acompanhados toda semana. 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
• scikit-learn
• XGBoost
• MLflow
• SQL
• Docker
• Airflow
• Git
• Detecção de anomalias

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