Engenheiro(a) de Machine Learning Pleno (Manutenção Preditiva na Logística)

confidential; United States; Remote; USD 110,000 - 160,000; Full time

Benefits offered by this job

Ambiente colaborativo

Trabalho remoto

Conexão global

Saúde mental

Job summary

confidential está com uma vaga de Engenheiro de Machine Learning Pleno em regime 100% remoto. O foco é manter manutenção preditiva para logística de frota, trabalhando com telemetria de sensores e dados históricos para estimar falhas próximas epriorizar ações na oficina.

A posição envolve construção de bases de telemetria, definição de alvos por componente e janela, criação de features e treinamentos com árvores e sobrevivência, além de integração com Airflow para geração diária de listas de

Qualifications

• Python, scikit-learn e XGBoost em dados tabulares e de séries.
• Validação por grupo e por tempo e prevenção de vazamento.
• Tratamento de classes raras e de ruído de sensor.
• SQL para telemetria em volume alto.
• Registro de experimentos e versionamento de modelos, como MLflow.
• Docker e hábito de colocar o modelo em produção.

Responsibilities

• Montar a base de telemetria e de ordens de manutenção, alinhando eventos de falha e de reparo.
• Definir o alvo de previsão por componente e por janela, com a oficina
• Criar features de janela, como tendência, variação e horas desde a última revisão
• Treinar e validar modelos de árvore e de sobrevivência com validação por veículo e por tempo
• Escolher o limiar de alerta de acordo com a capacidade da oficina e o custo da parada
• Orquestrar a geração diária da lista de prioridade no Airflow
• Monitorar deriva, falha de sensor e queda de desempenho, com alerta e retreino
• Medir o resultado com a oficina e ajustar o modelo

Skills

Python

scikit-learn

XGBoost

Tools

SQL

Docker

Airflow

MLflow

Job description

Vaga aberta de Engenheiro(a) de Machine Learning Pleno (Manutenção Preditiva na Logística)

Nível: pleno.

Modelo de trabalho: 100% Remoto.

Contratação: tempo integral, CLT ou PJ.

Sobre a vaga:

Uma frota de caminhões e de empilhadeiras de um operador logístico para por defeito em momentos ruins: caminhão quebrado na estrada, empilhadeira fora no pico de expedição. O modelo que você vai construir lê telemetria (temperatura, vibração, pressão, consumo, horas de uso) e histórico de manutenção e estima a chance de falha nos próximos dias, para a oficina agir antes.

Os dados são ruidosos. Sensor que falha parece defeito, a manutenção corretiva é registrada dias depois e falha rara dá poucos exemplos positivos. É preciso definir o alvo com cuidado, como falha de um componente em uma janela, tratar o desbalanceamento, validar por veículo e por tempo para não vazar e escolher um limiar que a oficina consiga atender, porque alerta demais é ignorado.

Você cuida da frente inteira, da base de telemetria à lista diária de prioridade para a oficina. Mede-se por falhas evitadas, precisão dos alertas, antecedência média do aviso e deriva do modelo conforme entram veículos novos.

O que você vai fazer:

• Montar a base de telemetria e de ordens de manutenção, alinhando eventos de falha e de reparo
• Definir o alvo de previsão por componente e por janela, com a oficina
• Criar features de janela, como tendência, variação e horas desde a última revisão
• Treinar e validar modelos de árvore e de sobrevivência com validação por veículo e por tempo
• Escolher o limiar de alerta de acordo com a capacidade da oficina e o custo da parada
• Orquestrar a geração diária da lista de prioridade no Airflow
• Monitorar deriva, falha de sensor e queda de desempenho, com alerta e retreino
• Medir o resultado com a oficina e ajustar o modelo

Requisitos:

• Python, scikit-learn e XGBoost em dados tabulares e de séries
• Validação por grupo e por tempo e prevenção de vazamento
• Tratamento de classes raras e de ruído de sensor
• SQL para telemetria em volume alto
• Registro de experimentos e versionamento de modelos, como MLflow
• Docker e hábito de colocar o modelo em produção

Diferenciais:

• Análise de sobrevivência e de vida útil restante
• Conhecimento de manutenção de frota e de equipamento industrial
• Processamento de dados de IoT em fluxo
• Detecção de anomalias em séries
• Painéis para a equipe de oficina

Como é trabalhar aqui:

Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em São Paulo, SP. Modelo e limiar são revisados por outra pessoa e validados com a oficina antes de mudar. O retorno da equipe sobre falsos alertas entra na rotina de melhoria toda semana.

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
• Análise de sobrevivência

Seus dados:

tratados conforme a LGPD, com remoção a qualquer momento, a pedido.