Engenheiro(a) de Machine Learning Pleno (Previsão de Churn em Recursos Humanos)

confidential; United States; A distancia; USD 120.000 - 170.000; Jornada completa

Ventajas ofrecidas por este puesto de trabajo

Trabalho remoto integral

Ambiente colaborativo

Conexão com times globais

Apoio à saúde

Descripción de la vacante

confidential está buscando um Engenheiro(a) de Machine Learning Pleno para atuar em previsão de churn em Recursos Humanos, com 100% trabalho remoto. Instrução técnica inclui modelagem supervisionada em Python com scikit-learn e XGBoost, além de pipelines com SQL, Docker, Airflow e MLflow.

A vaga envolve definição de saída, manejo de dados sensíveis, validação temporal e monitoramento de modelos, com rotinas de retreino e alinhamento com RH.

Formación

• Modelagem supervisionada em Python com scikit-learn e XGBoost.
• Separar treino e teste por período, para evitar vazamento de futuro.
• Tratamento de classes desbalanceadas e métricas adequadas ao caso.
• SQL para extrair e preparar o conjunto de treino.
• Deploy em contêiner e rotina agendada de pontuação.
• Cuidado com dados pessoais e sensíveis.

Responsabilidades

• Definir com RH a variável de saída, janela de previsão e regras de exclusão.
• Montar variáveis a partir do histórico, evitando vazamento de informação futura.
• Treinar e comparar modelos como regressão logística e gradient boosting, com validação temporal.
• Calibrar a probabilidade e definir o corte conforme a ação do RH.
• Registrar experimentos e versões em MLflow.
• Orquestrar treino e pontuação mensal em Airflow.
• Monitorar deriva de variáveis e queda de desempenho com retreino.
• Documentar limites de uso e variáveis excluídas por sensibilidade.

Conocimientos

Python

Scikit-learn

XGBoost

MLflow

SQL

Docker

Airflow

Git

Model monitoring

Herramientas

MLflow

SQL

Docker

Airflow

Git

Descripción del empleo

Vaga aberta de Engenheiro(a) de Machine Learning Pleno (Previsão de Churn em Recursos Humanos). 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 rotatividade de pessoas custa caro: recrutar, treinar e esperar a nova pessoa chegar à produtividade leva meses. Um modelo de previsão de saída voluntária, treinado com dados de cargo, tempo de casa, histórico de avaliações, mudanças de gestor, absenteísmo e resultado de pesquisas de clima, permite que líderes e RH conversem a tempo com quem corre risco.

O modelo é tabular e o cuidado está nos detalhes. A variável de saída precisa de uma definição precisa de janela, os dados só podem usar o que era conhecido na data da previsão e as classes são muito desbalanceadas, já que poucas pessoas saem por mês. Mais um ponto: informação sensível, como atestados e dados de saúde, fica fora das variáveis. O modelo deve ser útil como lista priorizada, não como sentença sobre uma pessoa.

Mede-se o sucesso por precisão entre as pessoas mais bem pontuadas, por ganho contra uma regra simples, pela estabilidade das previsões mês a mês e por retreino automático que dispara quando a distribuição das variáveis muda.

O que você vai fazer:

• Definir com RH a variável de saída, a janela de previsão e as regras de exclusão
• Montar as variáveis a partir do histórico, evitando vazamento de informação futura
• Treinar e comparar modelos como regressão logística e gradient boosting, com validação temporal
• Calibrar a probabilidade e escolher o corte conforme a capacidade de ação do RH
• Registrar experimentos e versões em MLflow
• Orquestrar treino e pontuação mensal em Airflow
• Monitorar deriva de variáveis e queda de desempenho, com alerta e retreino
• Documentar limites de uso e variáveis excluídas por sensibilidade

Requisitos:

• Modelagem supervisionada em Python com scikit-learn e XGBoost
• Separar treino e teste por período, para o modelo nunca enxergar o futuro durante a validação
• Tratamento de classes desbalanceadas e métricas adequadas a esse caso
• SQL para extrair e preparar o conjunto de treino
• Deploy em contêiner e rotina agendada de pontuação
• Cuidado com dados pessoais e sensíveis

Diferenciais:

• Explicabilidade com SHAP para apresentar fatores a RH
• Análise de sobrevivência como alternativa à classificação
• Práticas de monitoramento de deriva de dados
• Conhecimento básico de people analytics
• Experiência em avaliar impacto de uma ação de retenção

Como é trabalhar aqui:

Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em São Paulo, SP. Cada versão de modelo passa por revisão de código e por uma checagem de justiça e de vazamento antes de ser promovida. O desempenho é revisto todo mês com o time de RH, com a explicação do que mudou nos dados. 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
• Git
• Monitoramento de modelos

Seus dados:

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