Engenheiro(a) de Machine Learning Pleno (Previsão de Churn em Mobilidade Urbana)

Sylision; United States; Remote; USD 22,000 - 33,000; Full time

Benefits offered by this job

Trabalho remoto integral

Horário flexível

Job summary

A Sylision procura um Engenheiro(a) de Machine Learning Pleno para atuar com previsão de churn em mobilidade urbana, 100% remoto, contrato CLT ou PJ. Você definirá eventos de churn, criará features temporais, treinará modelos com XGBoost e scikit-learn e estimará efeitos de retenção com uplift, trabalhando com dados de uso, viagens e cancelamentos.

O papel requer autonomia para conduzir o projeto da definição ao monitoramento, com foco em evitar vazamento de dados e manter a performance ao longo

Qualifications

• Modelagem supervisionada para dados tabulares com validação por tempo
• Registro de experimentos e de modelos com MLflow ou equivalente
• Noção de inferência causal ou de teste controlado para ações de retenção
• Autonomia para conduzir a frente inteira, da definição ao monitoramento
• Conhecimento de vazamento de dados e calibração de probabilidade
• Python e SQL com boas práticas de código de produção

Responsibilities

• Definir com o negócio o evento de churn, a janela de observação e o horizonte de previsão
• Construir features de uso, atraso de corrida, avaliação, cancelamento e suporte, com corte temporal
• Treinar e validar modelos de propensão com XGBoost e scikit-learn, evitando vazamento
• Estimar o efeito da ação de retenção com modelos de uplift e grupos de controle
• Publicar a pontuação em lote para o time de relacionamento, com explicação por usuário
• Monitorar deriva de features e queda de desempenho, e retreinar conforme o gatilho definido
• Acompanhar o custo e o efeito das campanhas de retenção

Skills

Python

SQL

ML modeling

Experimentation

Tools

scikit-learn

XGBoost

MLflow

Airflow

Docker

Git

Job description

Vaga aberta de Engenheiro(a) de Machine Learning Pleno (Previsão de Churn em Mobilidade Urbana). 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 mobilidade urbana, ganhar um usuário custa caro e perdê-lo é fácil: o passageiro assinante de um plano mensal troca de aplicativo quando duas corridas atrasam, e o motorista parceiro some quando a ganho por hora cai. Você vai construir o modelo que aponta, com antecedência, quem está prestes a sair, para o time de relacionamento agir a tempo.

A primeira dificuldade é a definição. Churn é cancelar o plano, ficar quatro semanas sem corrida ou reduzir o uso pela metade? Uma definição ruim treina um modelo que acerta o que ninguém precisa. A segunda é o vazamento: variáveis que só existem depois da decisão de sair, como o pedido de cancelamento, inflam a métrica offline e não servem em produção. A terceira é separar quem sairia e pode ser retido de quem sairia de qualquer jeito ou ficaria de qualquer jeito, e para isso entram modelos de uplift e experimento com grupo de controle.

O sucesso se mede em retenção incremental do grupo tratado contra o controle, custo por usuário retido e estabilidade do modelo ao longo do tempo.

O que você vai fazer:

• Definir com o negócio o evento de churn, a janela de observação e o horizonte de previsão
• Construir features de uso, atraso de corrida, avaliação, cancelamento e suporte, com corte temporal
• Treinar e validar modelos de propensão com XGBoost e scikit-learn, evitando vazamento
• Estimar o efeito da ação de retenção com modelos de uplift e grupos de controle
• Publicar a pontuação em lote para o time de relacionamento, com explicação por usuário
• Monitorar deriva de features e queda de desempenho, e retreinar conforme o gatilho definido
• Acompanhar o custo e o efeito das campanhas de retenção

Requisitos:

• Modelagem supervisionada para dados tabulares, com validação por tempo
• Entendimento de vazamento de dados e de calibração de probabilidade
• Python e SQL com boas práticas de código de produção
• Registro de experimentos e de modelos com MLflow ou equivalente
• Noção de inferência causal ou de teste controlado para ações de retenção
• Autonomia para conduzir a frente inteira, da definição ao monitoramento

Diferenciais:

• Modelos de uplift e de tempo até o evento
• Airflow para orquestrar a pontuação e o retreino
• Conhecimento de marketplaces de dois lados, como passageiro e motorista
• Explicabilidade com valores de Shapley
• Experiência de trabalho com times de relacionamento e de marketing

Como é trabalhar aqui:

Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em São Paulo, SP. Cada versão do modelo é comparada com a anterior em janela fora da amostra e revisada por outra pessoa de dados antes de ir à produção. O time de relacionamento recebe um resumo semanal com a lista, o motivo e o resultado das ações. 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
• Modelos de uplift
• Git

Seus dados:

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