Engenheiro(a) de Machine Learning Sênior (Recomendação de Produtos em Telecom)

confidential; United States; Remote; USD 36.000 - 58.000; Vollzeit

Benefits dieser Stelle

Trabalho remoto 100%

CLT ou PJ

Ambiente remoto

Detalhes de remuneração a definir

Zusammenfassung

Sylision procura engenheiro(a) de Machine Learning Sênior para liderar o sistema de recomendação de produtos na área de telecom. A posição, 100% remota, envolve desenvolver e manter modelos de ranking, com foco em elegibilidade, regras de negócio e validação offline/online.

O candidato ideal tem experiência com Python, scikit-learn, XGBoost e SQL em grandes bases de dados, além de pipelines com MLflow e Airflow.

Qualifikationen

• Experiência comprovada com modelos de ranking e sistemas de recomendação em produção.
• Desenho de avaliações offline e online, incluindo testes controlados.
• Capacidade de trabalhar com dados em grande escala e pipelines de dados.

Aufgaben

• Construir variáveis de consumo, plano, aparelho, histórico de oferta por linha e por família.
• Treinar modelos de ranking com regras de elegibilidade antes e depois da pontuação.
• Tratar produto novo e cliente novo com estratégias de partida a frio.
• Validar offline com recorte temporal e online com teste controlado; medir receita incremental.
• Servir a recomendação com baixa latência para apps, lojas e atendimento.
• Monitorar deriva do catálogo e acionar retreinamento com MLflow e Airflow.
• Explicar o modelo para produto e jurídico.

Kenntnisse

Python

ranking de modelos

recomendação em produção

SQL em bases grandes

Tools

Python

scikit-learn

XGBoost

SQL

MLflow

Airflow

Docker

Git

Jobbeschreibung

Vaga aberta de Engenheiro(a) de Machine Learning Sênior (Recomendação de Produtos em Telecom). 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 operadora vende planos de dados, pacotes de streaming, roaming, seguro de aparelho, aparelho novo e internet fixa para a mesma base de clientes. Quem liga para o atendimento, abre o aplicativo ou entra em uma loja deveria ver a oferta que faz sentido para a sua linha: uso de dados perto do limite, viagem internacional recente, contrato de aparelho perto do fim, família com várias linhas. Você vai construir o sistema de recomendação de produtos que ordena essas ofertas.

Há restrições próprias do setor. Nem toda oferta pode ser feita a toda linha, por elegibilidade, regulação e fidelização. O catálogo muda a cada campanha, o que gera produtos novos sem histórico, e o cliente corporativo e o pré-pago se comportam de forma muito diferente. Recomendar o que o cliente já ia contratar não gera receita nova, então a avaliação precisa separar aderência de ganho real.

Mede-se por taxa de aceite, receita incremental frente a grupo de controle, cancelamento posterior à venda e latência da resposta nos canais.

O que você vai fazer:

• Construir variáveis de consumo, plano, aparelho, histórico de oferta e atendimento por linha e por família
• Treinar modelos de ranking com regras de elegibilidade aplicadas antes e depois da pontuação
• Tratar produto novo e cliente novo com estratégias de partida a frio
• Validar offline com recorte temporal e online com teste controlado, medindo receita incremental
• Servir a recomendação em baixa latência para aplicativo, loja e atendimento
• Monitorar deriva do catálogo e do comportamento e acionar retreino com MLflow e Airflow
• Acompanhar efeitos colaterais, como venda que gera cancelamento ou reclamação
• Orientar o time e explicar o modelo para produto e para o jurídico

Requisitos:

• Modelos de ranking e recomendação em produção
• Python, scikit-learn e XGBoost, e SQL em bases grandes
• Desenho de avaliação offline e online, incluindo teste controlado
• Tratamento de partida a frio e de restrição de elegibilidade
• Serviço de inferência com requisito de baixa latência
• Monitoramento de deriva e rotina de retreino
• Capacidade de ligar métrica de modelo a resultado de negócio

Diferenciais:

• Modelos de fatoração de matriz ou de duas torres
• Aprendizado com feedback implícito
• Experiência com testes de uplift
• Conhecimento de produtos e regras de telecom
• Armazenamento de variáveis para uso online e offline

Como é trabalhar aqui:

Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em Minas Gerais. O trabalho inclui discutir resultado com produto e com os canais de venda toda semana, e cada mudança de modelo é publicada primeiro para parte da base. Revisão por par é regra em variável, regra de elegibilidade e mudança de pontuação. 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.