Engenheiro(a) de Machine Learning Pleno (Precificação Dinâmica na Logística)

confidential; United States; Remote; USD 37.000 - 57.000; Vollzeit

Benefits dieser Stelle

Ambiente colaborativo

Trabalhe de qualquer lugar

Conexão global

Apoio à saúde física

Saúde mental - Team Care

Zusammenfassung

Sylision procura Engenheiro(a) de Machine Learning Pleno para atuar em precificação dinâmica na logística. Trabalho remoto 100%, contratação CLT ou PJ.

Você vai desenvolver modelos que estimem a aceitação por preço e otimizem margens considerando custos e ocupação de frota. A posição envolve variáveis de rota, sazonalidade e histórico de clientes, com experimento para comparar com a prática atual, assegurando entrega rápida e registro de cada decisão.

Qualifikationen

• Modelagem tabular em produção com validação temporal.
• Noção de elasticidade e de otimização sob restrições.
• SQL e Python avançados, com MLflow e Airflow.

Aufgaben

• Construir variáveis de rota, carga, sazonalidade, ocupação e histórico do cliente.
• Treinar modelo de probabilidade de aceite por nível de preço e checar calibração.
• Estimar elasticidade por segmento e corrigir viés do histórico de ofertas.
• Implementar a otimização de preço com restrições de margem mínima e preço máximo.
• Desenhar e acompanhar experimento contra a tabela atual, com limite de perda.
• Colocar o serviço em produção com resposta rápida e registro de cada decisão.
• Monitorar deriva de demanda, calibração e margem realizada.
• Explicar ao comercial como o preço foi sugerido e permitir exceções documentadas.

Kenntnisse

Python

SQL

scikit-learn

XGBoost

MLflow

Airflow

Docker

Git

Explicar o modelo

Elasticidade de preço

Tools

MLflow

Airflow

Docker

Git

Jobbeschreibung

Vaga aberta de Engenheiro(a) de Machine Learning Pleno (Precificação Dinâmica na Logística). 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:

A cotação de frete combina rota, peso, volume, urgência, tipo de carga e a disponibilidade de caminhões naquele dia. Hoje o preço sai de uma tabela fixa corrigida à mão pelos comerciais, o que deixa dinheiro na mesa quando a demanda é alta e perde cliente quando o caminhão está sobrando. Você vai construir o modelo que sugere preço dinâmico por cotação, respeitando limites definidos pelo negócio.

A parte técnica tem duas peças. Uma é prever a probabilidade de o cliente aceitar a cotação a cada nível de preço, a partir do histórico de propostas, inclusive as recusadas. A outra é escolher o preço que maximiza a margem esperada, dado o custo da rota e a ocupação prevista. As dificuldades: só se vê a resposta ao preço que foi ofertado, o histórico tem viés de quem cotou e um preço agressivo pode quebrar a relação com um cliente grande.

A avaliação é feita com experimento: parte das cotações recebe o preço do modelo e parte segue a regra atual, comparando margem, taxa de conversão e ocupação da frota. O modelo roda em tempo de cotação, com limites mínimos e máximos e exceções por cliente.

O que você vai fazer:

• Construir variáveis de rota, carga, sazonalidade, ocupação e histórico do cliente
• Treinar o modelo de probabilidade de aceite por nível de preço e checar a calibração
• Estimar a elasticidade por segmento e corrigir o viés do histórico de ofertas
• Implementar a otimização de preço com restrições de margem mínima e de preço máximo
• Desenhar e acompanhar o experimento contra a tabela atual, com limite de perda
• Colocar o serviço em produção com resposta rápida e com registro de cada decisão
• Monitorar deriva de demanda, calibração e margem realizada
• Explicar ao comercial como o preço foi sugerido e permitir exceções documentadas

Requisitos:

• Modelagem tabular em produção, com validação temporal e atenção a calibração
• Noção de elasticidade e de otimização sob restrições
• Desenho e análise de experimentos em preço, com cuidado com interferência
• SQL e Python avançados, com MLflow e Airflow
• Capacidade de explicar o modelo para quem negocia com o cliente
• Disciplina de testes e revisão do código de serviço

Diferenciais:

• Experiência com precificação, leilões de frete ou gestão de receita
• Conhecimento de bandits e aprendizado por reforço aplicados a preço
• Noção de custo logístico por rota e de ocupação de frota
• Ter lidado com inferência causal em dados observacionais

Como é trabalhar aqui:

Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em São Paulo, SP. O modelo só ganha mais tráfego depois de resultados do experimento revistos com comercial e finanças. Os pares revisam o código e a análise, e há um registro simples de cada mudança de regra de preço, com data e efeito medido. 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
• Airflow
• Elasticidade de preço
• Experimentação
• Docker
• Git

Seus dados:

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