Engenheiro(a) de Machine Learning Sênior (MLOps e Deploy de Modelos em Recursos Humanos)

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

Benefits offered by this job

Ambiente colaborativo

Trabalhe de qualquer lugar

Conexão global com times

Apoio à saúde física

Cuidado com a saúde mental

Job summary

A Sylision está recrutando um Engenheiro(a) de Machine Learning Sênior para liderar a implementação de pipelines de treino, validação e implantação de modelos em RH. O papel envolve manter reprodutibilidade, registrar dados e métricas no MLflow, além de promover o versionamento e a auditoria de modelos com foco em segurança e conformidade LGPD.

Você vai definir o padrão de arquitetura de ML, liderar a equipe na prática de MLOps e conduzir a implantação de modelos em produção com monitoramento de

Qualifications

• Experiência em Python de produção e modelagem tabular com bibliotecas comuns.
• Conhecimento prático de MLOps: versionamento, registro e implantação de modelos.
• Habilidade de conduzir padrões de projeto e convencer a equipe a segui-los.

Responsibilities

• Construir pipelines de treino e avaliação com dados versionados.
• Registrar experiments, modelos e métricas no MLflow com lineage.
• Empacotar modelos em containers Docker e publicar como serviço e batch.

Skills

Produção em Python

Modelagem tabular

Capacidade de definir padrões

Comunicação com time

Auditoria de modelos

Tools

Python

scikit-learn

XGBoost

MLflow

SQL

Docker

Airflow

Git

Job description

Vaga aberta de Engenheiro(a) de Machine Learning Sênior (MLOps e Deploy de Modelos em Recursos Humanos). 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:

A área de recursos humanos mantém modelos para estimar risco de saída de colaboradores, priorizar candidatos por aderência à vaga e prever a demanda de contratação por unidade. Cada modelo foi treinado por uma pessoa diferente, em notebooks, e colocar uma nova versão no ar significa copiar arquivo, rodar script na mão e torcer. Você vai construir o caminho padronizado de treino, validação, registro e implantação desses modelos.

O cuidado maior é com a reprodutibilidade e com a segurança da troca. Um modelo precisa poder ser retreinado com o mesmo código e os mesmos dados de uma data, registrado no MLflow com métricas e lineage, e promovido para produção apenas se passar em testes de regressão contra a versão atual. Quando algo piora, a volta para a versão anterior deve levar minutos. Como as previsões afetam pessoas, cada versão precisa ter registro de quais dados usou e quem aprovou.

Como engenheiro sênior, você define o padrão, escreve o primeiro caso completo que os outros vão copiar e responde quando uma implantação dá errado. Os resultados são medidos por tempo de implantação, taxa de falha de implantação e tempo de recuperação.

O que você vai fazer:

• Construir pipelines de treino e de avaliação orquestrados no Airflow com dados versionados
• Registrar experimentos, modelos e métricas no MLflow, com critérios de promoção entre estágios
• Empacotar modelos em contêineres Docker e publicar como serviço e como processamento em lote
• Automatizar testes de dados, de código e de regressão de desempenho antes da implantação
• Implementar estratégias de liberação gradual e de reversão rápida de versões
• Registrar proveniência de dados e aprovações para auditoria interna e para a LGPD
• Definir o padrão de projeto de ML da equipe e orientar quem vai adotá-lo

Requisitos:

• Python de produção e modelagem tabular com scikit-learn e XGBoost
• MLOps na prática: versionamento, registro de modelos, implantação e monitoramento
• Airflow ou orquestrador equivalente para fluxos agendados
• Docker e noções de infraestrutura como código
• SQL e disciplina com qualidade de dados
• Capacidade de definir padrão e convencer o time a segui-lo

Diferenciais:

• Ter feito implantação gradual de modelo com comparação em sombra
• Experiência com loja de atributos ou com cálculo consistente de atributos entre treino e produção
• Conhecimento de equidade e de auditoria de modelos que afetam pessoas
• Prática com integração contínua para projetos de dados

Como é trabalhar aqui:

Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em Minas Gerais. Toda implantação de modelo passa por revisão de outra pessoa e tem plano de reversão escrito. Os indicadores de implantação são discutidos com o time todo mês, e os incidentes têm análise sem busca de culpado. 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
• MLOps
• Git

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