Engenheiro(a) de Machine Learning Sênior (Detecção de Fraude em Telecom)

Sylision; United States; Remote; USD 120,000 - 180,000; Full time

Benefits offered by this job

Trabalho remoto 100%

Equipe global

TotalPass/Mediquo

Team Care (saúde mental)

Contrato CLT ou PJ

Job summary

A vaga de Engenheiro(a) de Machine Learning Sênior (Detecção de Fraude em Telecom) é 100% remoto, com contratação CLT ou PJ, pela Sylision para cliente confidencial. O(a) profissional atuará com modelos tabulares, grafos simples e limites de decisão baseados em custo, em ambiente de produção de alto desempenho.

Procura-se líder sênior capaz de projetar o sistema de ponta a ponta, gerenciar dados de grande volume, validar métricas de negócio e reagir rapidamente a mudanças de ataque.

Qualifications

• Domínio em Python e bibliotecas de ML para produção.
• Experiência com detecção de fraudes, dados telecom ou fintech.
• Trabalhos com dados de grande volume e baixa latência.

Responsibilities

• Desenhar variáveis de comportamento por janela e grafos simples de relação.
• Treinar modelos para classe rara com validação no tempo.
• Definir limiar com base no custo de fraude e false positives.
• Publicar modelos para decisão em tempo real e batch.
• Monitorar deriva e performance com alertas.

Skills

Python

scikit-learn

XGBoost

SQL

Infraestrutura de dados

Engenharia de variáveis

Monitoramento de deriva

Tools

MLflow

Docker

Airflow

Streaming

Job description

Vaga aberta de Engenheiro(a) de Machine Learning Sênior (Detecção de Fraude em Telecom). A empresa contratante é confidencial neste anúncio, e a seleção é conduzida pela Sylision.

Nível: senior.

Modelo de trabalho: 100% Remoto.

Contratação: tempo integral, CLT ou PJ.

Sobre a vaga:

Em telecom a fraude tem várias caras: cadastro com documento falso para financiar aparelho, clonagem de chip e troca de SIM para tomar conta de conta bancária, uso anormal de linhas pós-pagas por redes organizadas e chamadas internacionais de alto custo. A decisão precisa sair em milissegundos na ativação ou em minutos na análise de comportamento, e cada falso positivo bloqueia um cliente bom.

Você vai construir e manter modelos tabulares de detecção, com variáveis de comportamento por janela (chamadas, dados, recargas, trocas de aparelho), grafos simples de relação entre documentos, endereços e dispositivos, e um limiar escolhido pelo custo real de cada erro. O desafio é o rótulo escasso e atrasado, a classe rara, e o adversário que muda de tática assim que o modelo aprende a anterior.

Medem-se a precisão e a captura em cada faixa de risco, o valor de perda evitado, a taxa de falso positivo sobre bons clientes e a deriva das variáveis. Como pessoa sênior, desenha o sistema de ponta a ponta, decide como reagir quando o padrão de ataque muda e responde pelo incidente de fraude.

O que você vai fazer:

• Construir variáveis de comportamento por janela e de relação entre documento, dispositivo e endereço
• Treinar modelos para classe rara com validação no tempo e técnica adequada ao desbalanceamento
• Definir o limiar por custo de fraude e de bloqueio indevido, com faixas de ação
• Publicar o modelo para decisão em tempo real e para análise em lote
• Monitorar deriva, queda de captura e aumento de falso positivo, com alertas
• Responder a ondas de ataque: análise rápida, regra provisória e retreino
• Gerar motivos de decisão para a equipe de análise e para a contestação do cliente
• Registrar experimentos e versões no MLflow e orientar outras pessoas engenheiras

Requisitos:

• Modelagem para classes raras e rótulos atrasados, com métricas coerentes ao negócio
• Python, scikit-learn e XGBoost em modelos que vão para produção
• SQL e engenharia de variáveis em grande volume de eventos
• Publicação e monitoramento de modelos, incluindo deriva e degradação
• Noção de decisão em tempo real e de latência
• Postura para tratar incidente e comunicar risco a áreas não técnicas

Diferenciais:

• Experiência com antifraude, cadastro ou prevenção a perdas
• Análise de grafos e detecção de comunidades
• Detecção de anomalias não supervisionada como apoio
• Dados de rede e de CDR
• Teste com simulação de ataque para medir a resistência do modelo

Como é trabalhar aqui:

Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em São Paulo, SP. O time faz plantão combinado para ondas de fraude, com um roteiro de resposta escrito e revisado depois de cada ocorrência. Modelos novos só entram com validação independente e comparação contra o vigente, e o painel de captura e falso positivo é lido todos os dias. 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
• Streaming
• Monitoramento de deriva

Seus dados:

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