Engenheiro(a) de Machine Learning Pleno (Score de Crédito no Mercado Imobiliário)

Sylision; United States; Remote; USD 33,000 - 55,000; Full time

Job summary

A Sylision está recrutando um Engenheiro de Machine Learning pleno para desenvolver modelos de score de crédito no mercado imobiliário. O(a) profissional irá trabalhar integralmente remoto, com contratação CLT ou PJ, e deverá entregar soluções com explicabilidade, validação de safra e monitoramento de deriva.

Você vai treinar modelos de árvore monotônica, calibrar probabilidades, gerar explicações por decisão e colaborar com equipes de risco para assegurar decisões justas entre grupos, sempre

Qualifications

• Python para ciência de dados e SQL avançado.
• Modelos de classificação com árvores, calibração e métricas de risco KS/AUC.
• Validação por safra/tempo, e cuidado com vazamento de dados.
• Explicabilidade com SHAP e uso de modelo monotônico.
• Docker, Git e deploy de modelos em serviço.
• LGPD e equidade em decisões que afetam pessoas.

Responsibilities

• Construir o modelo de score para inadimplência em crédito imobiliário e aluguel.
• Criar features de renda, histórico, dados cadastrais e imóveis.
• Treinar árvores com monotonic constraints e calibrar probabilidades.
• Validar por safra, testar estabilidade com PSI e faixa de score.
• Gerar explicações por decisão para equipes de crédito e clientes.
• Monitorar deriva, desempenho e planejar retreinamento.
• Orquestrar treino/escoragem com Airflow e rastreio no MLflow.
• Garantir conformidade LGPD.

Skills

Python

Machine Learning

SQL

Explicabilidade SHAP

Métricas KS/AUC

Tools

Docker

Git

MLflow

scikit-learn

XGBoost

Airflow

Job description

Vaga aberta de Engenheiro(a) de Machine Learning Pleno (Score de Crédito 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 compra um imóvel financiado ou aluga com análise de fiador depende de uma decisão de crédito. Você vai construir o modelo de score que estima a chance de inadimplência de candidatos a financiamento e a aluguel, usando renda declarada, histórico de pagamento, dados cadastrais, características do imóvel e do contrato e sinais de bureaus quando disponíveis.

Em crédito, acertar a média não basta. Os dados têm viés de seleção, porque só se observa quem foi aprovado antes. Há mudança de cenário econômico que quebra o que o modelo aprendeu, e há exigências de explicação ao cliente e de tratamento justo entre grupos. Você usa modelos de árvore com restrições monotônicas, calibra probabilidades, valida por safra e acompanha estabilidade com índices como PSI.

Mede-se KS, AUC, calibração, taxa de aprovação e inadimplência por faixa de score. Todo modelo vai para produção com registro, monitoramento de deriva por safra e plano de retreino.

O que você vai fazer:

• Montar a base de modelagem por safra, com a definição de inadimplência combinada com a área de risco
• Construir features de renda, comprometimento, histórico e imóvel, sem vazamento temporal
• Treinar modelos de árvore com restrições monotônicas e calibrar as probabilidades
• Validar por safra e testar estabilidade com PSI e análise por faixa
• Gerar explicações por decisão para a equipe de crédito e para o cliente
• Avaliar impacto entre grupos e registrar o resultado
• Orquestrar treino e escoragem no Airflow, com rastreio no MLflow
• Monitorar deriva e desempenho e propor retreino

Requisitos:

• Python para ciência de dados e SQL avançado
• Modelos de classificação com árvores, calibração e métricas de risco, como KS e AUC
• Validação por tempo e por safra, e cuidado com vazamento
• Noção de explicabilidade, como SHAP, e de modelo monotônico
• Docker, Git e noção de colocar modelos em serviço
• Cuidado com LGPD e com equidade em decisões que afetam pessoas

Diferenciais:

• Experiência com risco de crédito e política de aprovação
• Inferência de rejeitados
• Conhecimento de regulação de crédito
• Feature store

Como é trabalhar aqui:

Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em São Paulo, SP. Todo modelo é documentado com dados, premissas e limites, e passa por revisão de outra pessoa de dados e pela área de risco antes de ir à produção. O desempenho é acompanhado por safra em painel, e o time revê mensalmente os casos em que o score falhou. 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
• Airflow
• Docker
• Explicabilidade

Seus dados:

tratados conforme a LGPD, com remoção a qualquer momento, a pedido.