Engenheiro(a) de Machine Learning Sênior (Recomendação de Produtos no Jurídico)

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

Benefits offered by this job

Trabalho remoto 100%

Contratação CLT ou PJ

Ambiente colaborativo

Flexibilidade de horário

Conexão com times globais

Monitoramento e melhoria contínua

Job summary

Sylision busca um Engenheiro(a) de Machine Learning Sênior para atuar em um sistema de recomendação de conteúdo jurídico, com foco em desempenho, escalabilidade e conformidade com LGPD. A posição é 100% remota, com contratação flexível entre CLT ou PJ, para cliente da Sylision sediado em São Paulo.

Você lidará com sinais de atuação, histórico de uso, tipos de ações e momentos relevantes para gerar conteúdos relevantes, treinando rankings, tratando novos itens e assegurando elegibilidade de

Qualifications

• Conhecimento em desenvolvimento de modelos de ranking e recomendação.
• Validação temporal e desenho de experimentos online.
• Rastreamento de execuções com MLflow ou ferramenta similar.
• Implementação de modelos com requisitos de baixa latência.

Responsibilities

• Construir features de usuário, conteúdo e contexto sem vazamento temporal.
• Treinar modelos de ranking e de geração de candidatos, comparando bases simples.
• Tratar partida a frio de usuário e de item novos.
• Excluir conteúdos revogados ou desatualizados com regras de elegibilidade.
• Desenhar e analisar experimentos A/B com métricas de uso efetivo e diversidade.
• Implantar a recomendação com latência baixa e fallback quando o modelo falha.
• Monitorar deriva e cobertura do catálogo, além de viés de popularidade.
• Orientar engenheiros e definir padrões de experimento e implantação.

Job description

Vaga aberta de Engenheiro(a) de Machine Learning Sênior (Recomendação de Produtos no Jurídico). 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 plataforma jurídica reúne modelos de petição, cursos de atualização, bases de jurisprudência anotada, ferramentas de cálculo e serviços de peticionamento. O usuário, um advogado ocupado, vê uma lista extensa e muitas vezes não encontra o que ajuda no caso em que está trabalhando. Você vai construir o sistema de recomendação que sugere o conteúdo e o serviço certo no momento certo.

O modelo combina sinais de área de atuação, histórico de uso, tipo de ação em andamento, época do ano, como prazos de reforma tributária ou de balanço, e conteúdos que usuários parecidos consumiram. O problema de partida a frio é real, porque novos usuários e novos conteúdos não têm histórico. Outro cuidado é o viés de popularidade: recomendar só o que já é muito acessado enterra o conteúdo novo e útil. Há ainda limites de domínio, já que material desatualizado ou revogado não pode ser sugerido.

Você mede com experimento online: taxa de clique, uso efetivo do item recomendado, retorno do usuário e diversidade da lista. Em produção, cuida de retreino, monitoramento de deriva e de latência da recomendação, que precisa aparecer na hora de abrir a tela.

O que você vai fazer:

• Construir features de usuário, conteúdo e contexto sem vazamento temporal
• Treinar modelos de ranking e de geração de candidatos, comparando linhas de base simples
• Tratar partida a frio de usuário e de item novos
• Excluir da recomendação conteúdo revogado ou desatualizado, com regras de elegibilidade
• Desenhar e analisar experimentos A/B com métricas de uso efetivo e de diversidade
• Implantar a recomendação com latência baixa e fallback quando o modelo falha
• Monitorar deriva, cobertura do catálogo e viés de popularidade
• Orientar engenheiros e definir padrões de experimento e de implantação

Requisitos:

• Python e SQL para construir features e conjuntos de treino em escala
• Modelos de ranking e de recomendação, com métricas como ordenação ponderada por posição e cobertura do catálogo
• Validação temporal e desenho de experimento online
• Rastreio de execuções e de versões de modelo com MLflow ou parecido
• Implantação de modelos com requisitos de latência
• Critério para decidir entre solução simples e modelo complexo

Diferenciais:

• Embeddings de conteúdo e de usuário e busca por vizinhos
• Bandidos contextuais para exploração de itens novos
• Conhecimento do uso profissional de ferramentas jurídicas
• Serviço de features em tempo real

Como é trabalhar aqui:

Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em São Paulo, SP. Cada modelo novo passa por comparação offline e por experimento antes de ocupar a tela de todos. O time revisa semanalmente os indicadores de cobertura e de deriva. 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
• Modelos de ranking

Seus dados:

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