Engenheiro(a) de Machine Learning Sênior (Previsão de Churn em Seguros)

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

Benefits offered by this job

Ambiente colaborativo

Trabalhe de qualquer lugar

Conexão global

TotalPass saúde

Mediquo saúde mental

Team Care

Job summary

Sylision oferece uma vaga de Engenheiro(a) de Machine Learning Sênior para previsão de churn em seguros. A posição é 100% remota, com contratação CLT ou PJ, visando atuar com modelos de churn, calibração de probabilidades e avaliação de impacto financeiro de campanhas.

Requer experiência em Python, SQL, scikit-learn, XGBoost e práticas de produção com MLflow/Docker. Você trabalhará com equipes globais, desenhará testes de retenção, e implantará pipelines em Airflow, com monitoramento de deriva

Qualifications

• Modelos tabulares em produção com validação por tempo e por safra.
• Python, SQL e testes automatizados.
• Calibração e interpretação de probabilidades; explicabilidade.

Responsibilities

• Construir o conjunto de treino por safra de renovação sem vazamento de informação.
• Criar features de sinistro, preço, pagamento e contato com a central.
• Treinar e comparar modelos com scikit-learn e XGBoost, incluindo sobrevivência.
• Calibrar probabilidades e traduzir o resultado em valor de retenção.
• Desenhar o teste com grupo de controle para medir campanhas.
• Implantar pipeline de pontuação em Airflow e Docker, com versões no MLflow.
• Monitorar deriva de dados e desempenho por safra e retreino.
• Documentar decisões e orientar cientistas e analistas.

Skills

Python

SQL

scikit-learn

XGBoost

MLflow

Docker

Airflow

Git

Survival models

Tools

Airflow

MLflow

Docker

Job description

Vaga aberta de Engenheiro(a) de Machine Learning Sênior (Previsão de Churn 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:

Em seguros, o cancelamento acontece na renovação ou no meio da vigência, e o time comercial só consegue agir se souber com antecedência quem tem risco de sair. Os sinais estão espalhados: sinistro recente e demorado, reajuste acima da média, atraso de parcela, contato com o call center, concorrente com preço menor. O modelo de churn precisa ordenar clientes pelo risco e pelo valor que se perde, com prazo suficiente para a ação.

As armadilhas são clássicas e você vai tratá-las: vazamento de informação, como usar o pedido de cancelamento que já aconteceu, rótulo que depende do ciclo de renovação, desbalanceamento forte e o efeito da própria ação comercial sobre o rótulo futuro. Você escolhe a formulação (classificação por janela ou modelo de sobrevivência), valida por safra e calibra as probabilidades, de modo que a equipe possa estimar quanto uma campanha custa contra o que retém.

O sucesso é medido por lift nos decis de risco, calibração, retenção incremental em grupo de controle, estabilidade do modelo ao longo das safras e tempo da pontuação até a ação.

O que você vai fazer:

• Construir o conjunto de treino por safra de renovação, sem vazamento de informação
• Criar features de sinistro, preço, pagamento e contato com a central
• Treinar e comparar modelos com scikit-learn e XGBoost, incluindo abordagem de sobrevivência
• Calibrar probabilidades e traduzir o resultado em valor esperado de retenção
• Desenhar o teste com grupo de controle para medir o efeito das campanhas
• Implantar o pipeline de pontuação em Airflow e Docker, com versões no MLflow
• Monitorar deriva de dados e desempenho por safra e definir o retreino
• Documentar decisões e orientar cientistas e analistas

Requisitos:

• Modelos tabulares em produção, com validação adequada por tempo e por safra
• Python, SQL e testes automatizados
• Calibração e interpretação de probabilidades
• Experiência com orquestração, MLflow e implantação em contêiner
• Noção de experimentos para medir efeito de uma ação
• Capacidade de explicar o modelo a áreas comerciais e atuariais

Diferenciais:

• Modelos de sobrevivência
• Conhecimento de seguros e do ciclo de renovação
• Explicabilidade com valores de Shapley
• Modelos de efeito de tratamento (uplift)
• Cuidados com a LGPD em variáveis de perfil

Como é trabalhar aqui:

Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em São Paulo, SP. Mudanças de modelo passam por revisão e por comparação com a versão em produção, e o comercial recebe um relatório simples de cada safra. O retreino segue uma regra escrita, não uma decisão de ocasião.

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
• Modelos de sobrevivência

Seus dados:

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