Engenheiro(a) de Machine Learning Sênior (MLOps e Deploy de Modelos no E-commerce)

confidential; United States; Remote; USD 37,000 - 61,000; Full time

Benefits offered by this job

Ambiente colaborativo

Trabalhe de qualquer lugar

Conexão com times globais

Apoio à saúde física

Cuidado com a saúde mental

Job summary

Sylision está recrutando um Engenheiro(a) de Machine Learning Sênior para atuar em MLOps e Deploy de Modelos em ambiente de e-commerce. O contratado trabalhará 100% remoto, com contrato CLT ou PJ, contribuindo para a produção de modelos de recomendação, previsão de demanda e detecção de fraude.

O papel envolve desenhar pipelines, manter a consistência entre treino e serviço, e gerenciar a publicação de modelos com monitoramento de latência e recuperação rápida em incidentes.

Qualifications

• Engenharia de ML em produção: pipelines, registro, serviço e monitoramento.
• Conhecimento de Python, Docker e orquestração de jobs com Airflow.
• Experiência com dados transacionais e ML para produção.

Responsibilities

• Definir o caminho padrão do modelo até a produção e monitorar latência.
• Construir pipelines de treino e de pontuação com Airflow, Docker e testes.
• Usar MLflow como registro de experimentos e de modelos.
• Publicar modelos com autoescala e planos de reversão.
• Gerir incidentes de modelos e orientar equipes.

Skills

Python

Docker

Orquestração de jobs

SQL

Git

ML em produção

Tools

MLflow

Airflow

Kubernetes

Job description

Vaga aberta de Engenheiro(a) de Machine Learning Sênior (MLOps e Deploy de Modelos no E-commerce). 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:

Um e-commerce tem modelos de recomendação, de previsão de demanda e de risco de fraude, cada um treinado em um notebook diferente e publicado de um jeito próprio. Quando o catálogo muda ou uma campanha altera o padrão de compra, o desempenho cai e ninguém percebe até a área de negócio reclamar. O trabalho é criar o caminho padrão do modelo até a produção.

Os pontos críticos são a consistência entre treino e serviço, porque a variável calculada no treino precisa ser a mesma no momento da decisão; a reprodutibilidade, porque é preciso refazer qualquer versão publicada; o desempenho de pontuação em horário de pico, como na Black Friday; e a capacidade de voltar para a versão anterior em minutos.

Você desenha a plataforma e responde por ela. Mede-se por tempo do modelo pronto até a produção, número de modelos publicados pelo caminho padrão, tempo de recuperação após um incidente e falhas de consistência encontradas antes do impacto.

O que você vai fazer:

• Definir o ciclo padrão: dados versionados, treino reproduzível, validação, registro e publicação
• Construir pipelines de treino e de pontuação no Airflow, com Docker e testes
• Usar o MLflow como registro de experimentos e de modelos, com critérios de promoção
• Garantir que as variáveis de treino e de serviço usem a mesma lógica
• Publicar modelos em serviço com autoescala, testes de carga e plano de reversão
• Monitorar latência, erro, deriva de dados e desempenho do modelo
• Conduzir incidentes de modelo com análise de causa e registro de aprendizado
• Orientar cientistas e engenheiros sobre o caminho padrão e revisar implantações

Requisitos:

• Engenharia de ML em produção: pipelines, registro, serviço e monitoramento
• Python, Docker e orquestração de jobs
• SQL e dados transacionais em grande volume
• Noção de integração e entrega contínuas aplicadas a modelos
• Entendimento de latência, escala e custo de inferência
• Capacidade de tratar incidente com calma e método
• Git e revisão de código

Diferenciais:

• Armazenamento de variáveis (feature store)
• Kubernetes ou serviço gerenciado de contêineres
• Testes de carga de serviços de pontuação
• Experiência com recomendação ou detecção de fraude
• Observabilidade de modelos

Como é trabalhar aqui:

Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em São Paulo, SP. Toda publicação passa por revisão em par e por uma lista de verificação, e o plano de reversão é ensaiado antes de picos de venda. A rotina inclui plantão compartilhado e revisão sem culpados dos incidentes.

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
• MLflow
• Airflow
• Docker
• SQL
• scikit-learn
• MLOps
• Git

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