Engenheiro(a) de Machine Learning Pleno (Recomendação de Produtos na Saúde)

confidential; United States; Remote; USD 33,000 - 48,000; Full time

Benefits offered by this job

Trabalho remoto total

Flexibilidade de horários

Equipe global

Job summary

Confidencial, empresa líder em soluções de e-commerce para saúde, busca Engenheiro(a) de Machine Learning Pleno para desenvolvimento de sistemas de recomendação de produtos e previsões de reposição.

Vaga 100% remota, contratação em regime CLT ou PJ, com foco em dados sensíveis, conformidade LGPD e entrega de modelos em produção com monitoramento contínuo.

Qualifications

• Experiência em aprendizagem supervisionada e de ranking.
• Conhecimento de pipelines de dados com SQL para treino.
• Conhecimento de LGPD e privacidade de dados é desejável.

Responsibilities

• Construir features de comportamento de compra, recência e frequência por cliente e por categoria.
• Treinar e comparar modelos de filtragem colaborativa e de ranking com gradient boosting.
• Aplicar regras de elegibilidade: estoque, receita e categorias vetadas.
• Estimular data provável de reposição de medicamentos de uso contínuo.
• Montar validação temporal e teste controlado para ganhos.

Skills

Python

SQL

Sckit-learn

XGBoost

MLflow

Airflow

Docker

Git

Recomendação

Tools

Python

SQL

MLflow

Airflow

Docker

Git

Job description

Vaga aberta de Engenheiro(a) de Machine Learning Pleno (Recomendação de Produtos na Saúde). 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 farmácia online com milhares de itens precisa sugerir o produto certo no carrinho e lembrar a pessoa de repor o medicamento de uso contínuo antes de ele acabar. Você vai construir o modelo que faz as duas coisas: recomendação de itens complementares a partir do histórico de compra e uma previsão do dia provável de reposição, que alimenta lembretes por e-mail e aplicativo.

O problema tem arestas próprias da saúde. Medicamento de tarja não pode aparecer como sugestão avulsa, produto fora de estoque ou descontinuado não pode ser recomendado, e o histórico de compra é dado sensível que só entra no modelo com base legal clara e acesso restrito, conforme a LGPD. Há ainda o começo frio: cliente novo e produto recém cadastrado chegam sem histórico, e o modelo precisa de uma regra de entrada decente.

O sucesso se mede em três camadas. Offline, com recall e ganho acumulado normalizado no topo da lista e cobertura do catálogo. Em teste controlado, com taxa de adição ao carrinho e ticket médio. E no longo prazo, com taxa de recompra dentro da janela prevista, sem aumento de reclamação por sugestão inadequada.

O que você vai fazer:

• Construir features de comportamento de compra, recência e frequência por cliente e por categoria
• Treinar e comparar modelos de filtragem colaborativa e de ranking com gradient boosting
• Aplicar regras de elegibilidade antes da lista final: estoque, receita exigida e categorias vetadas
• Estimar a data provável de reposição de medicamentos de uso contínuo
• Montar a validação temporal e o teste controlado que provam ganho sobre a regra atual
• Publicar o modelo em rotina agendada no Airflow, com versões registradas no MLflow
• Monitorar deriva do catálogo e queda de cobertura, e acionar o retreino

Requisitos:

• Python para análise e para código de produção, com testes
• Aprendizado supervisionado e de ranking, e as métricas certas para cada um
• SQL para montar tabelas de treino sem vazar informação do futuro
• Validação por tempo, e não por sorteio aleatório de linhas
• Noção de empacotar modelo em contêiner e agendar sua execução
• Cuidado com dado pessoal sensível e disposição para perguntar antes de usar um campo

Diferenciais:

• Ter trabalhado com embeddings de produto ou fatoração de matrizes
• Já ter desenhado teste A/B com efeito pequeno e amostra limitada
• Conhecimento de varejo farmacêutico, receita e dispensação
• Experiência com arquitetura de features compartilhadas entre treino e produção

Como é trabalhar aqui:

Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em São Paulo, SP. Cada modelo novo passa por revisão de código e de métrica por outra pessoa antes de ir ao ar, e o resultado do teste controlado é apresentado ao time de produto em formato curto, com o que funcionou e o que não funcionou.

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 pais 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
• Sistemas de recomendação

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