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

confidential; United States; Remote; USD 51,000 - 76,000; Full time

Benefits offered by this job

Ambiente remoto

Flexibilidade

Conexão global

Saúde física

Saúde mental

Contrato definido

Job summary

Sylision procura Engenheiro(a) de Machine Learning Sênior para atuar 100% remoto, com contratação CLT ou PJ. A missão é montar a plataforma de MLOps para uma seguradora, com foco em auditoria, validação automática e entrega segura de modelos.

Você vai desenhar pipelines de treino, validação e implantação, containerizar serviços de inferência, automatizar testes e monitorar deriva e desempenho. Requisitos incluem Python, Docker, Airflow, MLflow, SQL e Kubernetes.

Qualifications

• Experiência em machine learning em produção com Python e Docker.
• Registro/state-of-the-art de experimentos com versionamento de dados e código.
• CI/CD aplicado a pipelines de modelos e monitoramento de deriva.
• Capacidade de documentação para auditoria e aspectos jurídicos.

Responsibilities

• Desenhar o fluxo de treino, validação, registro e implantação usando MLflow e Airflow.
• Containerizar modelos e serviços de inferência, tanto em batch quanto em tempo real.
• Automatizar testes de dados, de modelos e de contratos no CI/CD.
• Implantar modelos em sombra e liberar gradualmente, com rollback rápido.
• Registrar lineage completo: dados, código, parâmetros e métricas.
• Monitorar deriva, latência e qualidade, com alertas acionáveis.
• Escrever padrões de projeto para as equipes de data science.
• Resolver incidentes de produção e conduzir post-mortems.

Skills

Python

Docker

Airflow

MLflow

SQL

Kubernetes

Git

CI/CD

scikit-learn

XGBoost

Tools

scikit-learn

XGBoost

MLflow

Docker

Airflow

Git

CI/CD

Job description

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

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:

Numa seguradora, vários modelos já funcionam em notebook: precificação, propensão de renovação, detecção de fraude em sinistro. Entre o notebook e a produção há um abismo de scripts copiados, dependências sem versão e entregas manuais. Você vai montar a plataforma e a prática de MLOps que levam um modelo ao ar de forma repetível, com rastro de quem treinou o quê, com quais dados e quando.

As exigências do setor tornam o assunto sério. Modelo de precificação e de aceitação precisa ser auditável: dado um preço, deve ser possível reconstruir qual versão do modelo e quais variáveis o geraram. Modelo novo deve passar por validação automática, rodar em sombra ao lado do antigo e só então assumir o tráfego. Também é preciso detectar deriva de dados e de desempenho e saber quando retreinar sem interromper o negócio.

O sucesso se mede por tempo entre a aprovação do modelo e a produção, por taxa de falhas em implantação, por tempo de recuperação e pela reprodutibilidade de qualquer previsão passada. Sendo sênior, a arquitetura e o padrão de entrega são seus.

O que você vai fazer:

• Desenhar o fluxo de treino, validação, registro e implantação de modelos com MLflow e Airflow
• Containerizar modelos e serviços de inferência, em lote e em tempo real
• Automatizar testes de dados, de modelo e de contrato no CI/CD
• Implantar modelos em sombra e em liberação gradual, com retorno rápido ao anterior
• Registrar linhagem completa: dados, código, parâmetros e métricas de cada versão
• Monitorar deriva, latência e qualidade das previsões, com alertas acionáveis
• Escrever padrões e modelos de projeto para as equipes de ciência de dados
• Resolver incidentes de produção e conduzir a revisão posterior

Requisitos:

• Engenharia de machine learning em produção com Python, Docker e orquestração
• Registro de experimentos e de modelos, com versionamento de dados e código
• CI/CD aplicado a pipelines de modelos
• Monitoramento de deriva e de desempenho de modelos
• SQL e conhecimento de armazenamento de dados analíticos
• Capacidade de documentar decisões para auditoria e para o jurídico

Diferenciais:

• Experiência com modelos regulados, como preço, crédito ou risco
• Conhecimento de Kubernetes ou de serviços gerenciados de implantação
• Prática em feature store e em consistência entre treino e inferência
• Noção de explicabilidade de modelos tabulares

Como é trabalhar aqui:

Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em São Paulo, SP. As mudanças na plataforma passam por revisão de outra pessoa e por um ambiente de teste, com incidentes tratados em revisões sem busca de culpado. O time acompanha a saúde dos modelos em produção em um painel único. 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
• CI/CD de modelos

Seus dados:

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