Engenheiro(a) de Machine Learning Sênior (Detecção de Fraude na Educação)

Sylision; United States; Remote; USD 140,000 - 200,000; Full time

Benefits offered by this job

Ambiente remoto 100%

Trabalho com clientes globais

Remuneração competitiva

Benefícios corporativos

Job summary

Sylision procura um Engenheiro de Machine Learning Sênior para trabalhar na detecção de fraudes em educação, com foco em inscrições, pagamentos e emissão de certificados. O cargo é 100% remoto e requer experiência com modelos supervisionados, detecção de anomalias e explicabilidade de decisões.

Você irá desenvolver variáveis comportamentais, de grafo e de relacionamento, além de otimizar métricas orientadas por custo e manter o fluxo de produção com baixa latência.

Qualifications

• Modelagem de fraude ou de anomalia em dados tabulares, com classes raras e rótulos incompletos.
• Engenharia de variáveis de comportamento e de grafo de relacionamento.
• Python e SQL avançados e levar modelos à produção com latência controlada.
• Métricas e limiares orientados por custo, não por acurácia.
• Monitoramento de deriva e de adversários que se adaptam.
• Diálogo com prevenção, atendimento e jurídico sobre o impacto de um bloqueio.

Responsibilities

• Mapear os tipos de fraude e os sinais de cada um com a equipe de prevenção.
• Construir variáveis de comportamento, de dispositivo e de relacionamento entre cadastros.
• Treinar modelos supervisionados e de anomalia, lidando com desbalanceamento e rótulo atrasado.
• Escolher métricas e limiares pelo custo de cada tipo de erro, com curva de precisão e cobertura.
• Servir o modelo em baixa latência no fluxo de inscrição e de pagamento.
• Entregar à fila de revisão a explicação de cada alerta e medir o tempo de análise.
• Monitorar adaptação dos fraudadores e acionar atualização dos modelos e das regras.

Skills

Fraude/anomalia dados tabulares

Engenharia de variáveis de grafos

Python avançado

SQL avançado

Métricas orientadas por custo

Detecção de anomalias em produção

Tools

Python

XGBoost

scikit-learn

MLflow

SQL

Airflow

Docker

Job description

Vaga aberta de Engenheiro(a) de Machine Learning Sênior (Detecção de Fraude na Educação). 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:

Fraude em educação tem várias formas: inscrição com documento falso para pegar bolsa, cadastro em massa para explorar um desconto de indicação, pagamento com cartão roubado de curso online, certificado emitido para quem não concluiu, e até aluno fantasma para inflar repasse. Cada tipo deixa rastros diferentes, e os fraudadores adaptam o comportamento rápido, assim que percebem o bloqueio.

Você vai construir modelos de detecção que pontuam eventos em tempo quase real: inscrição, pagamento, resgate de benefício, emissão de certificado. Fraude é rara, então a classe de interesse é minúscula e os rótulos chegam atrasados e incompletos, quase sempre só do que foi pego. Isso exige cuidado com amostragem, com métricas que não escondem o problema atrás de uma acurácia alta, e com combinação de regras, grafos de relacionamento e modelos supervisionados.

O equilíbrio é o ponto central. Bloqueio indevido tira um aluno legítimo de uma matrícula, e fraude que passa custa dinheiro e reputação. Você mede o valor evitado, a taxa de bloqueio indevido e o tempo de análise da fila de revisão, e ajusta limiares com a área de prevenção. O modelo também precisa de explicação, porque alguém terá de justificar a recusa.

O que você vai fazer:

• Mapear os tipos de fraude e os sinais de cada um com a equipe de prevenção
• Construir variáveis de comportamento, de dispositivo e de relacionamento entre cadastros
• Treinar modelos supervisionados e de anomalia, lidando com desbalanceamento e rótulo atrasado
• Escolher métricas e limiares pelo custo de cada tipo de erro, com curva de precisão e cobertura
• Servir o modelo em baixa latência no fluxo de inscrição e de pagamento
• Entregar à fila de revisão a explicação de cada alerta e medir o tempo de análise
• Monitorar adaptação dos fraudadores e acionar atualização dos modelos e das regras

Requisitos:

• Modelagem de fraude ou de anomalia em dados tabulares, com classes raras e rótulos incompletos
• Engenharia de variáveis de comportamento e de grafo de relacionamento
• Python e SQL avançados e levar modelos à produção com latência controlada
• Métricas e limiares orientados por custo, não por acurácia
• Monitoramento de deriva e de adversários que se adaptam
• Diálogo com prevenção, atendimento e jurídico sobre o impacto de um bloqueio

Diferenciais:

• Experiência com pagamentos online, bolsas ou programas de benefício
• Análise de grafo para identificar redes de cadastros ligados
• Aprendizado ativo para escolher o que a revisão humana deve rotular
• Servir variáveis em tempo real com armazenamento próprio
• Conhecimento de explicabilidade por decisão individual

Como é trabalhar aqui:

Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em São Paulo, SP. O time acompanha semanalmente os alertas confirmados e os bloqueios indevidos, e cada mudança de limiar é combinada com a prevenção. Modelos e regras têm versão e dono, e a revisão de código é obrigatória. 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
• XGBoost
• scikit-learn
• Detecção de anomalias
• MLflow
• SQL
• Airflow
• Docker

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