Engenheiro(a) de Machine Learning Pleno (Monitoramento de Modelos em Telecom)

confidential; United States; Remote; USD 90,000 - 150,000; Full time

Benefits offered by this job

Remoto total

Contrato CLT ou PJ

Equipe colaborativa

Trabalho com times globais

Job summary

Sylision está solicitando um Engenheiro(a) de Machine Learning pleno para monitorar modelos em produção numa operação 100% remota. O foco está em detectar deriva, medir desempenho por safra e implementar alertas com etapas claras.

Você irá trabalhar com pipelines de dados, métricas de desempenho e retreinamento controlado. O papel envolve configuração de métricas, uso de MLflow para versionamento e uma forte integração com Airflow para agendamento e monitoramento contínuo.

Qualifications

• Python para dados e serviços, com testes.
• Modelos tabulares com scikit-learn e XGBoost.
• SQL para consultar histórico de previsão e de desfecho.
• Noção de deriva de dados, de conceito e de calibração.
• Orquestração de tarefas com Docker e Airflow.

Responsibilities

• Definir métricas de deriva de dados e de pontuação por modelo em produção.
• Implementar a coleta e o cálculo agendado dessas métricas com Airflow.
• Calcular o desempenho real por safra assim que o desfecho estiver disponível.
• Configurar alertas com limiares justificados e responsáveis definidos.
• Criar a regra de retreino e de retirada do modelo, com teste de comparação.
• Registrar versões e métricas no MLflow e manter rastreabilidade.
• Investigar alertas e escrever a causa, seja dado, negócio ou código.
• Montar um painel de saúde dos modelos para a área de dados e para a retenção.

Skills

Python para dados e serviços

Monitoramento de modelos

Condução de frente de monitoramento

Tools

scikit-learn

XGBoost

MLflow

SQL

Docker

Airflow

Git

Job description

Vaga aberta de Engenheiro(a) de Machine Learning Pleno (Monitoramento de Modelos em Telecom). 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:

Uma operadora de telecomunicações usa modelos que apontam quais assinantes têm risco de cancelar nos próximos meses, e a área de retenção liga, oferece desconto ou troca de plano com base nessa lista. O problema do monitoramento é o tempo: só se descobre se o assinante cancelou semanas depois da previsão. Quando a qualidade cai, a empresa só percebe depois de várias campanhas mal direcionadas.

Você vai montar o monitoramento que não espera o resultado final. De imediato, acompanha-se a distribuição das variáveis de entrada e da pontuação (por exemplo, o índice de estabilidade populacional), a taxa de valores nulos, atrasos de carga e mudanças de comportamento depois de uma nova promoção ou de uma troca de sistema de cobrança. Quando o desfecho chega, mede-se o desempenho real por safra de assinantes e compara-se com o esperado. Cada alerta precisa ter um responsável e um caminho, que pode ser investigar, pausar o uso do modelo ou disparar retreino.

O sucesso se mede em tempo entre o início de uma degradação e o alerta, em falsos alarmes que a equipe precisa triar e em retreinos disparados por critério claro, não por impressão.

O que você vai fazer:

• Definir métricas de deriva de dados e de pontuação por modelo em produção
• Implementar a coleta e o cálculo agendado dessas métricas com Airflow
• Calcular o desempenho real por safra assim que o desfecho estiver disponível
• Configurar alertas com limiares justificados e responsáveis definidos
• Criar a regra de retreino e de retirada do modelo, com teste de comparação
• Registrar versões e métricas no MLflow e manter rastreabilidade do que roda em produção
• Investigar alertas e escrever a causa, seja dado, negócio ou código
• Montar um painel de saúde dos modelos para a área de dados e para a retenção

Requisitos:

• Python para dados e para serviços, com testes
• Modelos tabulares com scikit-learn e XGBoost e suas formas de degradar
• SQL para consultar histórico de previsão e de desfecho
• Noção de deriva de dados, de conceito e de calibração
• Orquestração de tarefas e empacotamento com Docker
• Condução de uma frente de monitoramento do desenho à operação

Diferenciais:

• Tratamento de rótulo atrasado e de safra
• Conhecimento de campanhas de retenção em telecomunicações
• Ferramentas de observabilidade para dados e modelos
• Teste estatístico para decidir quando uma diferença é real

Como é trabalhar aqui:

Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em São Paulo, SP. Cada alerta novo entra com explicação do limiar e é revisto por outra pessoa de engenharia. Toda semana o time olha os alertas ruidosos para podá-los, porque monitoramento que ninguém lê deixa de existir.

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
• Monitoramento de modelos

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