Engenheiro(a) de Machine Learning Pleno (Score de Crédito no Jurídico)

confidential; United States; Remote; USD 22,000 - 33,000; Full time

Benefits offered by this job

Ambiente colaborativo

Trabalhe de qualquer lugar

Conexão global: equipes de diferentes

Apoio à saúde

Programa Team Care

Job summary

confidencial busca Engenheiro(a) de Machine Learning Pleno para atuar em um projeto de score de crédito voltado ao jurídico, com atuação 100% remota. O profissional definirá a variável alvo, criará features relevantes e treinará modelos, incluindo árvores e regressão logística, com validação temporal e explicabilidade.

Você trabalhará com produção via Airflow/MLflow, monitoramento de calibração, e garantirá fairness entre grupos.

Qualifications

• Experiência em ML aplicada a crédito ou risco
• Conhecimento de SQL para montar bases de treino
• Capacidade de colocar modelos em produção com pipelines (Airflow/MLflow) e explicar decisões

Responsibilities

• Definir a variável de inadimplência e a janela de observação
• Construir features de pagamento, relacionamento e bureau em SQL e Python
• Treinar modelos de árvores e regressão logística e comparar desempenho
• Validar por safras temporais e tratar vieses de aprovação
• Gerar razões de decisão para crédito e cliente
• Colocar o modelo em produção com Airflow e MLflow e monitorar a calibração

Skills

Projeto de ML end-to-end

Explicabilidade de modelos

Equidade entre grupos

Autonomia para conduzir o modelo

Tools

Python

scikit-learn

XGBoost

MLflow

SQL

Docker

Airflow

Git

Job description

Vaga aberta de Engenheiro(a) de Machine Learning Pleno (Score de Crédito no Jurídico). 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 presta serviços jurídicos por assinatura, cobra honorários parcelados ou financia custas de processo precisa decidir quem recebe crédito e em que condições. Você vai assumir um modelo de score de crédito que estima a chance de inadimplência de clientes e escritórios, a partir de cadastro, histórico de pagamento, dados de contrato e informações de bureaus.

Um score de crédito não vale só pela capacidade de separar bons e maus pagadores. Ele precisa estar calibrado, ou seja, uma probabilidade de 5 por cento deve acontecer perto de 5 por cento das vezes, porque a política de limite e de preço usa esse número. Precisa também ser estável no tempo, justo entre grupos e explicável: quem tem o crédito negado tem direito a saber os fatores principais.

A variável resposta tem uma armadilha de definição, pois a inadimplência só é conhecida meses depois, e a população aprovada difere da população que pede. A validação deve respeitar o tempo e tratar esse viés de seleção, e o monitoramento precisa pegar a deriva antes da carteira piorar.

O que você vai fazer:

• Definir a variável resposta de inadimplência e a janela de observação


• Construir features de pagamento, relacionamento e bureau em SQL e Python


• Treinar modelos de árvores e regressão logística e comparar por poder de separação e calibração


• Validar por safras no tempo e tratar o viés de quem nunca foi aprovado


• Gerar as razões principais de cada decisão para a análise de crédito e para o cliente


• Colocar o modelo em produção com Airflow e MLflow, com versão e regra de promoção


• Monitorar estabilidade da população, calibração e desempenho por safra, com alertas

Requisitos:

• Modelagem supervisionada com scikit-learn e árvores de gradiente


• Métricas de crédito: KS, curva ROC, calibração e estabilidade da população


• Validação temporal e cuidado com vazamento de dados


• SQL para montar bases de treino a partir de dados transacionais


• Explicabilidade de modelos e noções de equidade entre grupos


• Autonomia para conduzir o modelo do treino ao monitoramento

Diferenciais:

• Experiência com modelagem de risco de crédito ou de cobrança


• Técnicas de inferência de rejeitados


• Noção de exigências de transparência para decisão automatizada


• Monitoramento de deriva com regras de retreino automatizadas

Como é trabalhar aqui:

Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em São Paulo, SP. Todo modelo vai para produção depois de revisão de outra pessoa, com relatório de validação anexo. A carteira é acompanhada em reunião mensal, com os desvios discutidos e registrados. 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


• Calibração de modelos

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