Engenheiro(a) de Machine Learning Sênior (Detecção de Fraude no Setor de Energia)

Sylision; United States; A distancia; USD 120.000 - 180.000; Jornada completa

Ventajas ofrecidas por este puesto de trabajo

Ambiente colaborativo

Trabalhe de qualquer lugar

Conexão global

Saúde com TotalPass

Team Care

Contratação definida

Descripción de la vacante

Sylision está contratando um Engenheiro(a) de Machine Learning Sênior para liderar a detecção de fraudes no setor de energia. A posição é 100% remota, com contratação CLT ou PJ para cliente sediado em São Paulo, Brasil.

Você irá construir variáveis a partir de séries de leitura, treinar modelos de ranking, tratar desbalanceamento e acompanhar métricas operacionais como visitas corretas e energia recuperada.

Formación

• Modelagem tabular e de ranking em produção.
• Séries de consumo: sazonalidade, agregação e detecção de anomalia.
• Validação temporal sem vazamento e tratamento de classe rara.
• SQL avançado sobre grandes volumes de leitura.
• Deploy de modelo em contêiner com monitoramento de deriva.
• Capacidade de traduzir métrica de modelo em resultado operacional.
• Responsabilidade sobre o modelo em produção e seus limites.

Responsabilidades

• Construir variáveis de consumo, perfil, vizinhança e telemedição a partir de séries de leitura.
• Treinar modelos de árvore para ranking, com validação temporal e por região.
• Tratar desbalanceamento e viés de seleção da amostra inspecionada.
• Definir métricas de decisão como precisão nas primeiras visitas e energia recuperada esperada.
• Publicar a lista priorizada para equipes de campo e acompanhar o resultado de cada visita.

Conocimientos

Ranking to ranking models

Time-series analysis

SQL em grandes volumes

Deploy de modelos

Detecção de anomalias

Model interpretability

Legado de produção

Herramientas

Python

scikit-learn

XGBoost

MLflow

SQL

Docker

Airflow

Git

Descripción del empleo

Vaga aberta de Engenheiro(a) de Machine Learning Sênior (Detecção de Fraude no Setor de Energia). 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:

Perdas não técnicas são um problema conhecido em distribuição de energia: ligação clandestina, desvio no medidor, medidor adulterado e consumo registrado abaixo do real. Cada inspeção em campo custa deslocamento de equipe, e a maioria das visitas não encontra irregularidade. Você vai construir e manter o modelo que ordena as unidades consumidoras por probabilidade de fraude para que as equipes visitem primeiro as que mais valem a visita.

Os sinais estão nas leituras: queda abrupta de consumo sem mudança de perfil, consumo incompatível com a carga do endereço, desvio frente a vizinhos parecidos, leituras de telemedição com falhas suspeitas e histórico de inspeção anterior. O rótulo vem de inspeções feitas, o que enviesa o treino, porque só se sabe a verdade onde alguém foi olhar. O modelo precisa lidar com essa limitação e com classes muito desbalanceadas.

Mede-se por taxa de acerto das visitas na lista priorizada, energia recuperada por visita, estabilidade do modelo por região e tempo entre sinal e inspeção.

O que você vai fazer:

• Construir variáveis de consumo, perfil, vizinhança e telemedição a partir de séries de leitura
• Treinar modelos de árvore para ranking, com validação temporal e por região
• Tratar o desbalanceamento e o viés de seleção da amostra inspecionada
• Definir métricas de decisão como precisão nas primeiras visitas e energia recuperada esperada
• Publicar a lista priorizada para as equipes de campo e fechar o ciclo com o resultado de cada visita
• Orquestrar treino e escoragem com Airflow e registrar versões no MLflow
• Monitorar deriva de consumo por sazonalidade e por mudança de tarifa e definir gatilho de retreino
• Explicar o modelo para operação e jurídico, com cuidado a decisão sobre cliente e LGPD

Requisitos:

• Modelagem tabular e de ranking em produção
• Séries de consumo: sazonalidade, agregação e detecção de anomalia
• Validação temporal sem vazamento e tratamento de classe rara
• SQL avançado sobre grandes volumes de leitura
• Deploy de modelo em contêiner com monitoramento de deriva
• Capacidade de traduzir métrica de modelo em resultado operacional
• Responsabilidade sobre o modelo em produção e seus limites

Diferenciais:

• Aprendizagem com rótulo parcial ou positivo e não rotulado
• Detecção de anomalia em série temporal
• Conhecimento de medição de energia e perdas não técnicas
• Explicabilidade para uso por inspetor de campo
• Análise geoespacial de vizinhança

Como é trabalhar aqui:

Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em São Paulo, SP. O trabalho se divide entre modelagem e conversa com quem usa a lista em campo, porque o retorno das visitas é o que melhora o modelo. Mudança de variável ou de limiar passa por revisão e fica registrada com o resultado esperado. 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

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