Engenheiro(a) de Machine Learning Pleno (MLOps e Deploy de Modelos em Meios de Pagamento)

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

Benefits offered by this job

Ambiente colaborativo

Trabalhe de qualquer lugar

Conexão global com times

Job summary

Sylision procura Engenheiro(a) de Machine Learning pleno para atuar de forma 100% remota, focado em MLOps e Deploy de Modelos em meios de pagamento. O cargo exige construção de pipelines reprodutíveis, integração de treino e produção, e entrega de serviços de inferência com latência controlada.

Você vai trabalhar com monitoramento de deriva, versão de modelos e estratégias de release como sombra e canário, mantendo qualidade de dados e compliance.

Qualifications

• Requisitos: Python em produção com testes e empacotamento.
• Registro e versionamento de modelos e de experimentos, como MLflow.
• Docker e Kubernetes ou similar para execução de contêineres.
• Orquestração de pipelines de dados com Airflow.
• Monitoramento de deriva, desempenho e qualidade de dados.
• Raciocínio sobre latência, disponibilidade e retorno seguro em serviços críticos.

Responsibilities

• Construir o pipeline reprodutível de treino, validação e registro de modelos com MLflow.
• Garantir paridade entre variáveis de treino e produção com testes automatizados.
• Empacotar o serviço de inferência em contêiner e cumprir o orçamento de latência.
• Implantar liberação em sombra e canário com métricas de decisão e retorno automático.
• Orquestrar retreino e pontuação em lote com Airflow.
• Monitorar deriva, estabilidade da pontuação e desempenho por segmento com alertas.
• Criar a documentação de cada modelo, com dados, limites e responsáveis.
• Apoiar os cientistas para que o caminho até a produção seja repetível e curto.

Skills

Observabilidade de serviços

Infraestrutura como código

Tools

Python

MLflow

Docker

Kubernetes

Airflow

scikit-learn

XGBoost

Monitoramento de modelos

SQL

Job description

Vaga aberta de Engenheiro(a) de Machine Learning Pleno (MLOps e Deploy de Modelos em Meios de Pagamento). 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:

Os modelos de risco e de fraude da empresa de meios de pagamento decidem em milissegundos se uma transação segue ou é barrada, e cada versão nova de modelo hoje sobe por um processo manual: o cientista entrega um arquivo, alguém empacota, alguém cria a rota. Já houve versão com variável calculada de outro jeito em produção, e a diferença só apareceu como queda de aprovação no fim do dia.

Você vai construir o caminho entre treino e produção: o registro de modelos, o pipeline que treina e valida de modo reprodutível, a garantia de que as variáveis em produção são calculadas exatamente como no treino, o serviço de inferência dentro do orçamento de latência (p99 de poucas dezenas de milissegundos) e as estratégias de liberação: modo sombra, canário e retorno rápido para a versão anterior.

O monitoramento fecha o ciclo, com deriva de variáveis, estabilidade da distribuição das pontuações, taxa de aprovação por segmento e desempenho quando o rótulo chega, e dispara retreino por critério definido, não por intuição.

O que você vai fazer:

• Construir o pipeline reprodutível de treino, validação e registro de modelos com MLflow
• Garantir paridade entre as variáveis de treino e de produção, com testes automáticos
• Empacotar o serviço de inferência em contêiner e cumprir o orçamento de latência
• Implantar liberação em sombra e canário, com métricas de decisão e retorno automático
• Orquestrar retreino e pontuação em lote com Airflow
• Monitorar deriva, estabilidade da pontuação e desempenho por segmento, com alertas acionáveis
• Criar a documentação de cada modelo, com dados, limites conhecidos e responsáveis
• Apoiar os cientistas para que o caminho até a produção seja repetível e curto

Requisitos:

• Python em produção, com testes e empacotamento
• Registro e versionamento de modelos e de experimentos, como MLflow
• Docker e noções de Kubernetes ou de outra plataforma de execução de contêineres
• Orquestração de pipelines de dados, como Airflow
• Monitoramento de modelos: deriva, desempenho, qualidade de dado
• Raciocínio sobre latência, disponibilidade e retorno seguro em serviços críticos

Diferenciais:

• Feature store ou padrão equivalente para paridade de variáveis
• Experiência com modelos de fraude ou de risco de crédito
• Observabilidade de serviços com métricas e traços
• Infraestrutura como código para o ambiente de inferência

Como é trabalhar aqui:

Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em Minas Gerais. Todo deploy de modelo em produção segue o mesmo roteiro, com sombra, canário e critérios de retorno escritos antes. O código passa por revisão de outra pessoa, e incidentes terminam com um relato escrito e uma ação de prevenção com dono. 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
• MLflow
• Docker
• Kubernetes
• Airflow
• scikit-learn
• XGBoost
• Monitoramento de modelos
• SQL

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