Engenheiro(a) de Machine Learning Sênior (Previsão de Demanda na Educação)

confidential; United States; Remote; USD 120,000 - 180,000; Full time

Benefits offered by this job

Remoto 100%

Flexibilidade de horário

Apoio à saúde física e mental

Job summary

A Sylision está contratando um Engenheiro(a) de Machine Learning Sênior para liderar a previsão de demanda em educação, com trabalho 100% remoto. Deverá treinar modelos para múltiplos níveis, tratar cursos novos e produzir cenários de captação, com validação rigorosa e explicação de incertezas para planejamento.

A posição envolve orientar a arquitetura da solução, monitorar erros de previsão e automatizar o ciclo de treino e publicação mensal, comunicando-se com áreas acadêmica e financeira.

Qualifications

• Previsão de séries temporais com múltiplos níveis e hierarquias.
• Validação para séries e métricas como MAPE e cobertura de intervalos.
• Orquestração de rotinas e implantação de modelos em produção.

Responsibilities

• Reunir histórico de matrícula, renovação e captação por curso e polo.
• Treinar modelos de séries temporais e de árvores com validação por origem móvel.
• Produzir previsões com intervalos e cenários de captação.
• Automatizar treino e publicação mensal com rastre a MLflow.
• Monitorar erro real e deriva por curso e polo.
• Explicar mudanças de previsão para áreas acadêmica e financeira.
• Decidir arquitetura da solução e orientar a equipe.

Skills

Python

SQL

Modelos de árvores

Validação de séries

Tools

LightGBM

Prophet

MLflow

Airflow

Docker

Git

Job description

Vaga aberta de Engenheiro(a) de Machine Learning Sênior (Previsão de Demanda na Educação). 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

Uma rede de ensino precisa saber, meses antes do início do semestre, quantos alunos vão renovar, quantos novos virão e em que turnos e polos, para contratar professores, abrir turmas e comprar material. Um erro para menos deixa alunos sem vaga e um erro para mais deixa salas vazias e professores ociosos.

Você vai construir e manter a previsão de demanda por curso, polo e período: histórico de matrícula, taxa de renovação, funil de captação, calendário de vestibular e fatores externos como calendário de bolsas. Os pontos delicados são séries curtas de cursos novos, a mudança de comportamento depois de um reajuste, a pandemia nos dados antigos e a necessidade de intervalos de previsão que o planejamento possa usar.

O resultado se mede pelo erro de previsão por segmento e horizonte, pela cobertura dos intervalos e pela redução de turmas canceladas ou superlotadas.

O que você vai fazer

• Reunir o histórico de matrícula, renovação e captação por curso e polo
• Treinar modelos de séries temporais e de árvores, com validação por origem móvel
• Tratar cursos novos com informação de cursos parecidos
• Produzir previsões com intervalos e valores para vários cenários de captação
• Automatizar o treino e a publicação mensal com rastreamento no MLflow
• Monitorar o erro real e a deriva por curso e por polo
• Explicar às áreas acadêmica e financeira o que mudou na previsão de um mês para o outro
• Decidir a arquitetura da solução e orientar outras pessoas do time

Requisitos

• Previsão de séries temporais com múltiplos níveis e hierarquias
• Python, SQL e modelos de árvores
• Validação adequada para séries e métricas como MAPE e cobertura de intervalo
• Orquestração de rotinas e implantação de modelos em produção
• Comunicação de incerteza para planejamento
• Autonomia para decidir e responder pelo resultado

Diferenciais

• Conhecimento de ciclos de ensino superior e de captação
• Reconciliação de previsões hierárquicas
• Experiência com variáveis externas, como calendário e economia
• Simulação de cenários para planejamento de capacidade

Como é trabalhar aqui

Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em São Paulo, SP. O modelo é revisto em ciclos mensais com as áreas acadêmica e financeira, e cada mudança traz a comparação com a versão anterior. As decisões sobre método ficam registradas por escrito e o código passa por revisão de outra pessoa. 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
• LightGBM
• Prophet
• Séries temporais
• MLflow
• SQL
• Airflow
• Docker
• Git

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