Engenheiro(a) de Machine Learning Sênior (Previsão de Demanda no Agronegócio)

confidential; United States; Remoto; USD 33.000 - 55.000; Tempo integral

Benefícios oferecidos por esta vaga

Ambiente colaborativo

Trabalhe de qualquer lugar

Conexão global com times de diferentes

Apoio à saúde física com TotalPass e M

Cuidado com a saúde mental Team Care

Resumo da vaga

Sylision está recrutando um Engenheiro(a) de Machine Learning Sênior para liderar modelos de demanda no agronegócio. A função é 100% remota, com contratação CLT ou PJ, trabalhando com dados agrícolas, climáticos e de preço para prever demanda por produto e região, com reconciliação hierárquica e intervalos de previsão.

Você irá treinar, comparar e implantar modelos, manter backtests em janelas móveis e orquestrar o retreino semanal via Airflow, além de monitorar viés e erro para orientar compras

Qualificações

• Modelos tabulares e séries temporais em produção com Python, scikit-learn e XGBoost.
• Backtesting com janelas móveis respeitando a ordem temporal e validação.

Responsabilidades

• Construir features de calendário agrícola, clima, preço e crédito.
• Treinar e comparar modelos por produto e região, com backtesting.
• Gerar previsão hierárquica com reconciliação entre níveis.
• Produzir intervalos de previsão para estoque de segurança.
• Orquestrar carga de dados e retreino semanal com Airflow.
• Registrar experimentos e versões no MLflow e publicar o serviço de previsão.
• Monitorar erro e viés por produto e disparar revisões quando degradar.
• Alinhar com compras e área comercial as premissas da previsão.

Conhecimentos

Modelos em produção

Backtesting

Explicar incerteza

Colaboração com times de compras e ou商

Ferramentas

Python

scikit-learn

XGBoost

MLflow

SQL

Docker

Airflow

Time series

Descrição da vaga

Vaga aberta de Engenheiro(a) de Machine Learning Sênior (Previsão de Demanda no Agronegócio). 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 cooperativa e seus fornecedores precisam decidir, meses antes, quanto fertilizante, semente e defensivo comprar e onde estocar. A demanda depende da área plantada, do preço da safra, do clima, da fase da cultura e do crédito liberado aos produtores. Comprar a menos significa venda perdida na janela de plantio, que não volta. Comprar a mais significa estoque parado, produto vencendo e capital preso.

Você será responsável por modelos de previsão de demanda por produto, região e semana, em produção. Isso envolve engenharia de variáveis com calendário agrícola, dados de clima e preço, modelos com XGBoost e abordagens para séries curtas e esparsas, previsão em hierarquia (produto, família, região) com reconciliação, intervalos de previsão para apoiar a decisão de estoque de segurança e backtesting por janelas móveis que respeitem o tempo.

O resultado se mede em erro percentual absoluto ponderado por volume, viés de previsão, ruptura de estoque na janela de plantio e capital parado em estoque excedente. E em uma rotina de retreino que não depende da memória de ninguém.

O que você vai fazer:

• Construir features de calendário agrícola, clima, preço e crédito
• Treinar e comparar modelos por produto e por região, com backtesting em janelas móveis
• Gerar previsão hierárquica com reconciliação entre níveis
• Produzir intervalos de previsão e traduzi-los em estoque de segurança
• Orquestrar no Airflow a carga de dados e o retreino semanal
• Registrar experimentos e versões no MLflow e publicar o serviço de previsão
• Monitorar erro e viés por produto e disparar revisão quando degradar
• Alinhar com compras e comercial as premissas e o uso da previsão

Requisitos:

• Modelos tabulares e séries temporais em produção, com Python, scikit-learn e XGBoost
• Backtesting e validação respeitando a ordem do tempo
• SQL para montar bases de venda e estoque
• MLflow, Docker e orquestração com Airflow
• Monitoramento de modelos e critérios de retreino
• Capacidade de explicar a incerteza para compras e orientar outras pessoas

Diferenciais:

• Dados de clima, satélite ou índices de vegetação
• Previsão de demanda intermitente
• Otimização de estoque com a previsão
• Conhecimento do ciclo de safra e da sazonalidade de insumos
• Previsão probabilística

Como é trabalhar aqui:

Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em São Paulo, SP. Cada mudança de modelo traz um relatório de backtest comparado com a versão em uso e é revisada por outra pessoa. O acompanhamento mensal reúne dados, compras e comercial para revisar as premissas. 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
• Séries temporais
• Previsão de demanda
• Git

Como se candidatar:

envie o seu currículo pela página desta vaga. A seleção é feita por pessoas da Sylision, que entra em contato quando o perfil combina com a vaga, normalmente por WhatsApp.

Seus dados:

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