Engenheiro(a) de Machine Learning Pleno (Previsão de Churn em Bancos Digitais)

confidential; United States; Remote; USD 22.000 - 44.000; Vollzeit

Benefits dieser Stelle

Ambiente colaborativo

Trabalho remoto

Conexão global

TotalPass e Mediquo

Team Care

Zusammenfassung

A vaga é para Engenheiro(a) de Machine Learning Pleno focado em prever churn em bancos digitais. Modelo 100% remoto, contratação CLT ou PJ, para cliente confidencial com atuação em serviços financeiros.

Você definirá o evento de abandono, janela de observação e previsão, criará features comportamentais, treinará e validará modelos de árvore com validação temporal, e estimará o ganho incremental da retenção usando grupo de controle.

Qualifikationen

• Definir o churn, janela de observação e janela de previsão com o negócio.
• Construir features de comportamento relevantes para churn.
• Treinar e validar modelos com validação temporal sem vazamento.

Aufgaben

• Definir o evento de abandono e as janelas de observação e previsão.
• Treinar modelos de árvore com validação temporal e sem vazamento.
• Estimar ganho incremental da retenção com grupo de controle.
• Orquestrar geração diária da lista no Airflow e entregar aos sistemas.
• Monitorar deriva de dados e desempenho, com retreino automático.

Kenntnisse

Gestão de projetos

Resultados de ML

Tools

Python

scikit-learn

XGBoost

MLflow

SQL

Docker

Airflow

Monitoramento de deriva

Jobbeschreibung

Vaga aberta de Engenheiro(a) de Machine Learning Pleno (Previsão de Churn em Bancos Digitais). 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:

Em um banco digital, o cliente que deixa de usar a conta raramente avisa. Ele para de receber salário, reduz o uso do cartão e some. O modelo que você vai construir estima a probabilidade de abandono nos próximos 60 dias para que o time de relacionamento aja a tempo, com oferta ou contato, em quem ainda pode ficar.

A parte difícil é definir o que é churn e quando prever. Uma conta com saldo zero há 90 dias já saiu, e prever isso é inútil. É preciso uma janela de observação, uma janela de previsão e atenção a vazamento, como usar um evento posterior ao ponto de corte. Além disso, o modelo de risco não responde se a ação de retenção funciona, e o time precisa de uma estimativa de ganho incremental para não gastar oferta com quem ficaria de qualquer forma.

Você cuida da frente toda, da definição do evento de abandono ao acompanhamento do modelo em uso. Mede-se por ganho em retenção do grupo tratado contra o grupo de controle, estabilidade do desempenho do modelo e atraso na geração diária da lista.

O que você vai fazer:

• Definir com o negócio o evento de churn, a janela de observação e a janela de previsão
• Construir features de comportamento: frequência de transação, queda de uso, recebimento de salário e contato com suporte
• Treinar e validar modelos de árvore com validação temporal e sem vazamento
• Estimar o ganho incremental da ação de retenção com grupo de controle
• Orquestrar a geração diária da lista no Airflow e entregar aos sistemas de relacionamento
• Monitorar deriva de dados e queda de desempenho, com alerta e retreino
• Versionar experimentos e modelos em MLflow
• Documentar o modelo, os limites e o que não deve ser usado dele

Requisitos:

• Python, scikit-learn e XGBoost em problemas tabulares com classes desbalanceadas
• Validação temporal e prevenção de vazamento
• SQL sobre grandes tabelas transacionais
• Métricas adequadas ao caso, como precisão no topo da lista e calibração
• Conhecimento de entrega de modelos com Docker e orquestração
• Capacidade de apresentar resultado para a área de relacionamento

Diferenciais:

• Modelos de uplift ou de ganho incremental
• Conhecimento de produtos bancários e de comportamento de uso
• Experiência com monitoramento de deriva e de retreino automático
• Explicabilidade com SHAP para apoiar a ação
• Prática com feature store

Como é trabalhar aqui:

Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em São Paulo, SP. Cada mudança de modelo é revisada por outra pessoa e testada contra o histórico antes de entrar. O resultado das campanhas de retenção é lido com o time de relacionamento a cada ciclo. 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
• Docker
• Airflow
• Monitoramento de deriva

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