Engenheiro(a) de Machine Learning Sênior (Precificação Dinâmica no Mercado Imobiliário)

confidential; United States; Remote; USD 150,000 - 210,000; Full time

Benefits offered by this job

Ambiente colaborativo

Trabalhe de qualquer lugar

Conexão global: times de diferentes pa

Apoio à saúde física com TotalPass e M

Cuidado com a saúde mental com Team C

Contrato CLT ou PJ

Job summary

A vaga de Engenheiro(a) de Machine Learning Sênior — Precificação Dinâmica no Mercado Imobiliário é 100% remota, com contratação CLT ou PJ. A empresa contratante é confidencial neste anúncio e a seleção é conduzida pela Sylision, com atuação para cliente sediado em São Paulo, Brasil.

Você será responsável pelo modelo de ponta a ponta: atributos por imóvel e data, treino com validação temporal, calibração da previsão de ocupação e a camada que transforma a previsão em preço dentro de limites

Qualifications

• Modelos tabulares com árvores de decisão e regressão, e leitura crítica de métrica
• Validação que respeita a ordem do tempo e evita informação do futuro no treino
• SQL avançado para montar bases de treino a partir de reservas e calendários
• Python com testes e código de treino reproduzível
• Entendimento de efeito de preço sobre demanda e de viés de seleção
• Práticas de MLOps: versionamento de modelo, agendamento e monitoramento

Responsibilities

• Construir o pipeline de atributos por imóvel e por noite, com calendário de eventos e feriados
• Treinar e comparar modelos de previsão de ocupação com validação temporal
• Desenhar a regra que converte previsão em preço, respeitando piso, teto e perfil do anfitrião
• Planejar testes A/B de preço com cuidado para não prejudicar anfitriões do grupo de controle
• Publicar o modelo com versionamento, execução diária e rastreio de cada recomendação
• Monitorar deriva por cidade e por tipo de imóvel e acionar o retreino
• Documentar limitações e orientar colegas sobre como interpretar a recomendação

Skills

Python

SQL

Airflow

MLOps

Tools

Docker

MLflow

XGBoost

scikit-learn

Job description

Vaga aberta de Engenheiro(a) de Machine Learning Sênior (Precificação Dinâmica no Mercado Imobiliário). 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:

Anfitriões de aluguel por temporada ajustam a diária na mão, olhando o calendário e a intuição. O sistema vai recomendar o preço de cada noite de cada imóvel, considerando sazonalidade, feriados, eventos na cidade, antecedência da reserva, ocupação dos vizinhos e histórico de reservas canceladas. O desafio é que o preço muda a própria demanda que se observa depois.

Você será responsável pelo modelo de ponta a ponta: tabela de atributos por imóvel e por data, treino com validação respeitando o tempo, calibração da previsão de ocupação e a camada que transforma previsão em preço dentro de limites definidos pelo anfitrião. Vazamento de informação do futuro e viés por imóveis que nunca receberam um preço alto são os erros mais caros.

O resultado é medido por receita por noite disponível, taxa de ocupação e proporção de recomendações aceitas. Em produção, o modelo roda em lote diário, tem monitoramento de deriva por região e retreino com gatilho claro.

O que você vai fazer:

• Construir o pipeline de atributos por imóvel e por noite, com calendário de eventos e feriados
• Treinar e comparar modelos de previsão de ocupação com validação temporal
• Desenhar a regra que converte previsão em preço, respeitando piso, teto e perfil do anfitrião
• Planejar testes A/B de preço com cuidado para não prejudicar anfitriões do grupo de controle
• Publicar o modelo com versionamento, execução diária e rastreio de cada recomendação
• Monitorar deriva por cidade e por tipo de imóvel e acionar o retreino
• Documentar limitações e orientar colegas sobre como interpretar a recomendação

Requisitos:

• Modelos tabulares com árvores de decisão e regressão, e leitura crítica de métrica
• Validação que respeita a ordem do tempo e evita informação do futuro no treino
• SQL avançado para montar bases de treino a partir de reservas e calendários
• Python com testes e código de treino reproduzível
• Entendimento de efeito de preço sobre demanda e de viés de seleção
• Práticas de MLOps: versionamento de modelo, agendamento e monitoramento

Diferenciais:

• Conhecer elasticidade de preço e modelos hierárquicos por região
• Ter lidado com séries sazonais e eventos pontuais
• Experiência com Airflow ou orquestrador parecido
• Noção de bandits para exploração controlada de preço
• Gosto por explicar o modelo a quem usa a recomendação

Como é trabalhar aqui:

Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em São Paulo, SP. O trabalho segue em ciclos curtos, com revisão de código por outra pessoa do time e uma análise semanal dos preços aceitos e recusados. Os resultados aparecem em um painel que todos consultam. 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.