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

confidential; United States; Remote; USD 130,000 - 190,000; Full time

Job summary

Sylision está recrutando um engenheiro(a) de Machine Learning sênior para atuar em Previsão de Demanda na Logística, 100% remoto. O papel envolve construir e operar modelos com features de calendário, promoções e clima, treinando para múltiplos horizontes e realizando reconciliação hierárquica com validação robusta.

Você trabalhará com Python, scikit-learn, XGBoost, MLflow, Airflow, SQL e Docker, monitorando deriva, retreinamento e entregando melhorias significativas de erro e eficiência na

Qualifications

• Experiência em previsão de séries temporais em varejo ou operações.
• Validação temporal adequada e métricas de erro para demanda intermitente.
• Pipelines de dados e modelos reprodutíveis com Airflow ou similar.

Responsibilities

• Construir e operar modelos de previsão de demanda com features de calendário, promoções, clima e histórico.
• Treinar modelos por horizonte e reconciliar previsões hierárquicas.
• Validar com janelas deslizantes, medir erro ponderado e viés, monitorar deriva e disparar alertas.
• Orquestrar previsão, comparação com realizado e retreino no Airflow.
• Registrar experimentos e versões no MLflow e explicar limites ao planejamento.

Skills

Python programming

Time series forecasting

Data validation

Tools

Python

scikit-learn

XGBoost

MLflow

Airflow

SQL

Docker

Job description

Vaga aberta de Engenheiro(a) de Machine Learning Sênior (Previsão de Demanda na Logística). 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 um centro de distribuição, a previsão de volume dá a base para escalar equipes, reservar docas e contratar transporte. Se a previsão pede cem e chegam cento e cinquenta, caminhão fica esperando e o prazo estoura. Se pede cem e chegam sessenta, há gente parada. A previsão é feita por SKU, por região e por dia, com sazonalidade forte e promoções que mudam tudo.

Você vai construir e operar os modelos de previsão de demanda: features de calendário, de promoção, de clima e de histórico, modelos de boosting e de séries por hierarquia, e reconciliação para que a soma por região bata com o total. Itens novos sem histórico e dias atípicos exigem tratamento explícito, senão o modelo aprende erro como se fosse padrão.

Em produção, o trabalho é de operação: previsão gerada toda noite, comparação com o realizado, alerta quando o erro por região foge do normal, retreino agendado e rastreio de versões. Sucesso se mede em erro percentual absoluto ponderado e em viés por horizonte, na redução de horas extras e de frete emergencial e em um pipeline que se recupera de falha sem intervenção.

O que você vai fazer:

• Construir features de calendário, promoção, clima e histórico com cuidado contra vazamento temporal
• Treinar modelos por horizonte e reconciliar previsões hierárquicas
• Tratar itens novos, ruptura de estoque e dias atípicos
• Validar com janelas deslizantes e medir erro percentual ponderado e viés por segmento
• Orquestrar previsão, comparação com o realizado e retreino no Airflow
• Monitorar deriva e disparar alerta quando o erro sair da faixa esperada
• Registrar experimentos e versões no MLflow e definir regras de promoção
• Explicar os limites da previsão ao planejamento da operação e orientar o time

Requisitos:

• Previsão de séries temporais em contexto de varejo ou de operação
• Python, scikit-learn e gradient boosting aplicados a dados tabulares
• Validação temporal correta e métricas de erro adequadas a demanda intermitente
• Pipelines de dados e de modelos reprodutíveis, com Airflow ou equivalente
• Monitoramento de modelos em produção
• Decisão de arquitetura e diálogo com planejamento de operações

Diferenciais:

• Previsão probabilística e estoque de segurança por quantil
• Modelos de deep learning para séries, comparados com boosting
• Conhecimento de roteirização e dimensionamento de frota
• Docker e implantação em nuvem

Como é trabalhar aqui:

Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em São Paulo, SP. O erro de previsão do dia anterior é lido toda manhã por quem planeja a operação, e as maiores diferenças viram ajuste de modelo ou de premissa. Mudanças de modelo passam por comparação com a versão em produção e 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
• Previsão de séries temporais
• XGBoost
• MLflow
• Airflow
• SQL
• Docker
• scikit-learn

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