Engenheiro(a) de Machine Learning Pleno (Recomendação de Produtos em Bancos Digitais)

confidential; United States; A distancia; USD 90.000 - 140.000; Jornada completa

Ventajas ofrecidas por este puesto de trabajo

Ambiente colaborativo

Trabalho remoto

Conexão global

TotalPass & Mediquo

Team Care

Contrato CLT/PJ

Descripción de la vacante

Sylision contrata Engenheiro(a) de Machine Learning Pleno para trabalhar 100% remoto, atuando em recomendação de produtos em bancos digitais. O papel envolve construir modelos de ranking, garantir elegibilidade e adequação, além de colocar soluções em produção com monitoramento.

O candidato ideal tem experiência com modelagem tabular, ranking, Python, SQL avançado e ferramentas como XGBoost, scikit-learn, MLflow, Airflow, Docker e Git. Benefícios e contrato variam conforme modalidade.

Formación

• Modelagem tabular e de ranking com XGBoost ou equivalente, com validação temporal.
• SQL avançado e construção de variáveis sem vazamento.
• Python com testes e código revisável por outras pessoas.
• Experiência em colocação de modelos em produção com versionamento e monitoramento.

Responsabilidades

• Construir variáveis de comportamento, uso do produto e contexto do cliente.
• Treinar modelos de ranking e de propensão por produto e combinar os resultados.
• Aplicar as regras de elegibilidade e de adequação antes e depois do modelo.
• Tratar cliente novo com regras de partida e aprendizado gradual.
• Desenhar o experimento com grupo de controle e medir contratação incremental.
• Corrigir o viés do ciclo de feedback, com exploração controlada.
• Colocar o modelo em produção com MLflow, Airflow e monitoramento de deriva.
• Definir o retreino e o critério de rollback.

Conocimientos

Modelagem tabular

Ranking de modelos

Python

SQL avançado

Experimentação A/B

Herramientas

XGBoost

scikit-learn

MLflow

Airflow

Docker

Git

SQL

Descripción del empleo

Vaga aberta de Engenheiro(a) de Machine Learning Pleno (Recomendação de Produtos 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:

No aplicativo do banco, cada cliente pode ver uma oferta por vez na tela inicial: cartão com limite maior, investimento de renda fixa, seguro, portabilidade de salário. Escolher bem importa, mas existe um limite claro: só se oferece o que o cliente pode contratar e o que é adequado ao perfil dele. Você vai construir o modelo que ordena os produtos elegíveis para cada pessoa e medir se isso aumenta a contratação sem prejudicar o cliente.

As dificuldades são de recomendação de verdade. Cliente novo tem pouco histórico e cai no problema do início a frio; o próprio modelo muda o que as pessoas veem e, portanto, o que clicam, criando um ciclo que deturpa o treino; produto de maior comissão aparece demais se a meta for só conversão; e regra de elegibilidade e de adequação nunca pode ser violada, mesmo que o modelo prefira.

Você mede com grupo de controle, olhando contratação incremental, cancelamento posterior e reclamação, e não apenas clique. O modelo precisa servir ofertas em poucas dezenas de milissegundos e ser retreinado com rotina automática.

O que você vai fazer:

• Construir variáveis de comportamento, uso do produto e contexto do cliente
• Treinar modelos de ranking e de propensão por produto e combinar os resultados
• Aplicar as regras de elegibilidade e de adequação antes e depois do modelo
• Tratar cliente novo com regras de partida e aprendizado gradual
• Desenhar o experimento com grupo de controle e medir contratação incremental
• Corrigir o viés do ciclo de feedback, com exploração controlada
• Colocar o modelo em produção com MLflow, Airflow e monitoramento de deriva
• Definir o retreino e o critério de rollback

Requisitos:

• Modelagem tabular e de ranking com XGBoost ou equivalente, com validação temporal
• Métricas de ordenação e leitura crítica do que elas escondem
• SQL avançado e construção de variáveis sem vazamento
• Experimentação: tamanho de amostra, grupo de controle e leitura de efeito incremental
• Colocação de modelos em produção com versionamento e monitoramento
• Python com testes e código revisável por outras pessoas

Diferenciais:

• Ter trabalhado com recomendação em serviços financeiros ou comércio
• Conhecimento de bandits contextuais para explorar sem perder conversão
• Noção de regras de adequação de produto ao perfil do investidor
• Experiência com armazenamento de variáveis para treino e serviço

Como é trabalhar aqui:

Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em São Paulo, SP. Cada mudança relevante de modelo chega com experimento desenhado antes, e o resultado é discutido com o time de produto em reunião curta. Você revisa e é revisado: o código de treino e o de serviço passam por outra pessoa antes de ir ao ar.

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
• Sistemas de recomendação
• MLflow
• SQL
• Airflow
• Docker
• Experimentação
• Git

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