Engenheiro(a) de Machine Learning Pleno (Detecção de Fraude no Varejo)

Sylision; United States; Remote; USD 120,000 - 180,000; Full time

Benefits offered by this job

Ambiente colaborativo com conquistas

Trabalhe de qualquer lugar com flexib.

Conexão global com times de diferentes

Apoio à saúde física (TotalPass/Mediqu

Cuidados com a saúde mental (Team Care

Jornada definida com a empresa

Job summary

CONFIDENTIAL está buscando um Engenheiro(a) de Machine Learning Pleno para atuar na detecção de fraude no varejo, trabalhando remotamente. O papel envolve levar modelos de pontuação para produção, com regras de risco existentes e explicabilidade das decisões.

Você irá treinar, validar e manter modelos, publicar via API com latência controlada, registrar experimentos no MLflow e monitorar deriva para retreino. Formação em Python com foco em dados, ML e governança de modelos é essencial.

Qualifications

• Python para ciência de dados e engenharia, com testes.
• Modelos tabulares com scikit-learn e XGBoost.
• Validação temporal e métricas para classe rara, como precisão e revocação.
• SQL para construir conjuntos de treino sem vazamento de informação.
• Noção de serviço de inferência em Docker.
• Git e revisão de código.

Responsibilities

• Construir features de comportamento do pedido, do cliente, do dispositivo e do endereço de entrega.
• Treinar e validar modelos de gradiente com recorte temporal que respeite o atraso do rótulo.
• Escolher o ponto de corte com a equipe de risco, a partir do custo de cada tipo de erro.
• Publicar o modelo atrás de uma API com latência limitada e fallback para as regras.
• Guardar cada experimento e cada versão de modelo no MLflow, com os dados usados.
• Monitorar deriva de variáveis e de pontuação e disparar retreino agendado no Airflow.
• Gerar explicação por decisão para a revisão manual.
• Documentar o modelo e as limitações para risco e jurídico.

Tools

Python

scikit-learn

XGBoost

MLflow

SQL

Docker

Git

Airflow

Job description

Vaga aberta de Engenheiro(a) de Machine Learning Pleno (Detecção de Fraude no Varejo). 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:

Pedidos online no varejo têm uma fração pequena de fraude, mas cada caso custa a mercadoria, o frete e o chargeback. Hoje a decisão de aprovar, pedir verificação ou recusar sai de regras fixas que a equipe de risco ajusta à mão. Você vai levar para produção um modelo de pontuação por pedido que complete essas regras.

O problema tem armadilhas conhecidas: fraude é rara, então a acurácia engana; o rótulo chega semanas depois, quando o chargeback é confirmado; fraudador muda de comportamento quando percebe o bloqueio; recusar cliente bom custa venda e confiança. A pontuação precisa responder em poucas centenas de milissegundos e ser explicável para a equipe de risco.

O sucesso se mede por valor de fraude evitado, taxa de recusa indevida, revisão manual por mil pedidos, estabilidade da pontuação ao longo das semanas e tempo entre queda de desempenho e retreino.

O que você vai fazer:

• Construir features de comportamento do pedido, do cliente, do dispositivo e do endereço de entrega
• Treinar e validar modelos de gradiente com recorte temporal que respeite o atraso do rótulo
• Escolher o ponto de corte com a equipe de risco, a partir do custo de cada tipo de erro
• Publicar o modelo atrás de uma API com latência limitada e fallback para as regras
• Guardar cada experimento e cada versão de modelo no MLflow, com os dados usados
• Monitorar deriva de variáveis e de pontuação e disparar retreino agendado no Airflow
• Gerar explicação por decisão para a revisão manual
• Documentar o modelo e as limitações para risco e jurídico

Requisitos:

• Python para ciência de dados e engenharia, com testes
• Modelos tabulares com scikit-learn e XGBoost
• Validação temporal e métricas para classe rara, como precisão e revocação
• SQL para construir conjuntos de treino sem vazamento de informação
• Noção de serviço de inferência em Docker
• Git e revisão de código

Diferenciais:

• Experiência com detecção de anomalia ou grafos de relacionamento
• Conhecimento de fraude em comércio eletrônico
• Tabelas de atributos reutilizáveis entre modelos
• Testes de A/B em decisão de risco com análise de custo
• Explicabilidade com SHAP

Como é trabalhar aqui:

Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em Minas Gerais. Você é dona ou dono da frente de modelagem de fraude e decide dentro dela. Mudanças no modelo passam por revisão e por comparação com o modelo atual em período de sombra antes de valer, e o desempenho é revisto toda semana com a equipe de risco.

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
• Airflow
• Docker
• Git

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