Engenheiro(a) de Machine Learning Pleno (Recomendação de Produtos no Mercado Imobiliário)

confidential; United States; Remote; USD 110,000 - 170,000; Full time

Benefits offered by this job

Ambiente remoto 100%

Contrato CLT ou PJ

Job summary

A Sylision está com uma vaga para Engenheiro(a) de Machine Learning Pleno, 100% remoto, para atuar em sistemas de recomendação no mercado imobiliário. O foco é construir e manter modelos de ranking que ordenem anúncios para maximizar contatos e qualidade de ordenação.

Você trabalhará com XGBoost, scikit-learn, MLflow e pipelines de produção, além de enfrentar desafios de cold start, viés de posição e retraining. A vaga aceita CLT ou PJ; não há necessidade de relocação.

Qualifications

• ML aplicado a tabelas: validação temporal e evitar vazamento de dados.
• Python com pandas e scikit-learn fluentes.
• SQL para montar conjuntos de treino a partir de eventos de navegação.
• Noção de sistemas de recomendação (filtragem colaborativa, conteúdo e híbrida).
• Docker e serviço de inferência em produção.
• Capacidade de explicar escolhas de recomendação a equipes de produto.

Responsibilities

• Construir features de imóvel, usuário e interações com corte temporal.
• Treinar e validar modelos de ranking e propensão a contato.
• Tratar cold start e novos anúncios.
• Corrigir viés de posição nos dados de clique.
• Publicar o modelo como serviço em contêiner com MLflow.
• Monitorar deriva de features e disparar retreinamento.

Skills

Python

Pandas

Scikit-learn

SQL

Recommender systems

Explainability

Docker

Airflow

MLflow

Git

Tools

Docker

MLflow

Airflow

Git

Job description

Vaga aberta de Engenheiro(a) de Machine Learning Pleno (Recomendação de Produtos no Mercado Imobiliário). 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:

Quem procura imóvel navega por dezenas de anúncios, favorita alguns, pede visita em poucos e fecha contato com um ou dois. A plataforma precisa decidir, a cada abertura de tela, quais imóveis mostrar primeiro: faixa de preço, bairro, metragem, número de quartos e o comportamento recente da pessoa entram nessa conta. Você vai construir e manter o modelo que ordena essas recomendações em produção.

O domínio tem armadilhas próprias. Imóvel vendido ou alugado que continua aparecendo frustra a pessoa e queima a confiança no catálogo. Usuário novo não tem histórico, então o modelo precisa funcionar com pouca informação. E o clique favorece quem está no topo da lista, o que distorce o treino se ninguém corrigir o viés de posição.

O sucesso se mede em taxa de contato com o corretor por impressão e em qualidade de ordenação offline (nDCG), sempre comparada com a regra atual em teste controlado. Retreino, monitoramento de deriva e registro de experimentos fazem parte da entrega, não são tarefa à parte.

O que você vai fazer:

• Construir features de imóvel, de usuário e de interação (visualização, favorito, pedido de visita) com corte temporal correto
• Treinar e validar modelos de ranking e de propensão a contato com XGBoost e scikit-learn
• Tratar cold start de usuário novo e de anúncio recém publicado
• Corrigir viés de posição nos dados de clique antes do treino
• Retirar do ranking o imóvel indisponível em até poucos minutos após a mudança de status
• Publicar o modelo como serviço em contêiner, com versão registrada no MLflow
• Acompanhar deriva de features e queda de taxa de contato, e disparar o retreino

Requisitos:

• Machine learning aplicado a tabelas: validação por tempo, vazamento de dados, métricas de ranking
• Python com pandas e scikit-learn de forma fluente
• SQL para montar conjuntos de treino a partir de eventos de navegação
• Noção de sistemas de recomendação: filtragem colaborativa, baseada em conteúdo e híbrida
• Docker e serviço de inferência em produção, mesmo que simples
• Clareza para explicar a um time de produto por que uma sugestão apareceu

Diferenciais:

• Ter trabalhado com ranking, busca ou catálogo com milhares de itens
• Airflow para orquestrar o retreino
• Teste A/B de ranking com análise de efeito por segmento
• Noção de geolocalização e de preço por metro quadrado
• Interesse por explicabilidade de recomendação

Como é trabalhar aqui:

Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em São Paulo, SP. Cada modelo novo chega com documento curto de decisão e passa por revisão de outra pessoa de dados antes de subir. O ritmo é de entregas pequenas, e a taxa de contato por segmento fica num painel que o time inteiro consulta. 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
• Sistemas de recomendação
• Git

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