Engenheiro(a) de Machine Learning Pleno (Previsão de Demanda na Indústria)

confidential; United States; À distance; USD 90 000 - 130 000; Plein temps

Avantages offerts par ce poste

Ambiente remoto e flexível

Trabalho com clientes internacionais

Crescimento com MLflow e Airflow

Résumé du poste

confidential está buscando um Engenheiro(a) de Machine Learning Pleno para liderar a previsão de demanda na indústria, do dado de pedido até o planejamento. O trabalho é 100% remoto, com contratação CLT ou PJ, visando modelos robustos para várias famílias de produtos.

Você vai trabalhar com pipeline semanal, retraining, validação por janela e monitoramento de deriva, usando Python, SQL, MLflow, Docker e Airflow, reportando resultados ao planejamento.

Qualifications

• Dominío de Python para ciência de dados com foco em ML e validação temporal.
• Experiência com scikit-learn e métodos de árvore de decisão/boosting.
• Conhecimento de pipelines de dados e deployment de modelos.

Responsabilités

• Construir features a partir de histórico, calendário, preço e carteira de pedidos em SQL e Python.
• Treinar e comparar modelos com validação por janela deslizante, prevenindo vazamento de futuro.
• Tratar produtos novos, de baixo giro e demanda intermitente com abordagens específicas.

Connaissances

Python para ciência de dados

scikit-learn

Árvores de gradiente

Outils

Docker

SQL

MLflow

Airflow

Git

XGBoost

Description du poste

Vaga aberta de Engenheiro(a) de Machine Learning Pleno (Previsão de Demanda na Indústria). 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 fábrica decide hoje quanto produzir e quanto de matéria-prima comprar com base em previsão de demanda por produto e por cliente. Quando a previsão erra para baixo, falta produto e a linha entra em hora extra. Quando erra para cima, o estoque encalha e o capital fica parado. Você vai assumir o modelo de previsão de demanda de ponta a ponta, do dado de pedido até o número que o planejamento usa.

Os dados têm armadilhas conhecidas: pedidos grandes e pontuais de poucos clientes, produtos que entram e saem do catálogo, sazonalidade que muda de ano para ano e promoções que distorcem o histórico. A validação precisa respeitar o tempo, com janelas de corte, e a métrica deve refletir o custo real do erro, que é assimétrico entre faltar e sobrar.

O pipeline roda toda semana: atualiza features, retreina, compara com o modelo vigente, publica a previsão e monitora o erro contra o realizado. Se a previsão piora para uma família de produtos, o alarme tem de sair antes que o planejamento sinta.

O que você vai fazer:

• Construir features de histórico, calendário, preço e carteira de pedidos em SQL e Python
• Treinar e comparar modelos com validação por janela deslizante, sem vazamento de futuro
• Tratar produtos novos, de baixo giro e demanda intermitente com abordagens próprias
• Orquestrar o ciclo semanal de dados, treino e publicação no Airflow
• Registrar experimentos e modelos no MLflow, com regra de promoção para produção
• Monitorar erro por família de produto e deriva dos dados de entrada
• Explicar o resultado ao planejamento e ajustar o modelo ao que eles usam na decisão

Requisitos:

• Python para ciência de dados, com scikit-learn e árvores de gradiente
• Entendimento de validação para séries temporais e de como o vazamento de dados acontece
• SQL para montar tabelas de treino a partir de dados transacionais
• Escolha de métricas de erro de previsão conforme o custo do negócio
• Empacotamento de modelo e serviço em Docker, com testes
• Autonomia para conduzir uma frente inteira e decidir dentro dela

Diferenciais:

• Experiência com planejamento de produção ou S&OP
• Modelos hierárquicos de previsão e reconciliação entre níveis
• Previsão probabilística com intervalos para estoque de segurança
• Noção de monitoramento de deriva com alertas automáticos

Como é trabalhar aqui:

Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em São Paulo, SP. O modelo é revisado em par antes de qualquer promoção para produção, e a mudança de métrica é discutida com o planejamento. Cada ciclo semanal deixa um relatório curto de erro por família, lido pelo time. 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
• Séries temporais

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