Engenheiro(a) de Machine Learning Sênior (Score de Crédito na Logística)

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

Benefits offered by this job

Ambiente colaborativo

Trabalho remoto flexível

Conexão global

Saúde física TotalPass/Mediquo

Saúde mental Team Care

Contrato definido com cliente

Job summary

Sylision procura Engenheiro(a) de Machine Learning Sênior para atuar em avaliação de crédito na logística, com foco em calibração, explicabilidade e validação de modelos. O papel envolve dados internos de pagamento, dados de bureau e informações cadastrais, com atuação remota integral.

Você treinara e validará modelos, definindo eventos de inadimplência, janelas de observação e desempenho, sempre alinhado às políticas da área financeira e com monitoramento contínuo de desempenho.

Qualifications

• Modelagem de risco de crédito com dados tabulares, desde a definição do evento até a calibração.

Responsibilities

• Definir com crédito e finanças o evento de inadimplência, a janela de observação e a de desempenho
• Construir variáveis de comportamento de pagamento e de embarque e integrar dados de bureau
• Treinar e comparar modelos com validação temporal e calibração da probabilidade
• Tratar clientes sem histórico e vieses de seleção causados por quem já tinha crédito
• Gerar explicação por decisão, para o analista justificar limite concedido ou negado
• Monitorar estabilidade da população e do desempenho e acionar recalibração
• Documentar o modelo para validação independente e auditoria

Skills

Python

XGBoost

scikit-learn

Explicabilidade de modelos

Modelagem de risco

Calibração de modelos

Previsão de inadimplência?

MLflow

Airflow

SQL

Tools

MLflow

Airflow

SQL

Job description

Vaga aberta de Engenheiro(a) de Machine Learning Sênior (Score de Crédito 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:

Uma empresa de logística vende frete a prazo para milhares de embarcadores, de grandes indústrias a pequenos comércios. Cada fatura emitida é crédito concedido, e parte dela atrasa ou nunca é paga. Hoje o limite de cada cliente é decidido com regras fixas e análise manual, que ou bloqueiam bons clientes ou deixam passar os maus. O score de crédito aqui tem uma finalidade bem concreta: definir quanto de frete a prazo liberar e para quem.

Você vai desenvolver e manter modelos de risco para empresas, com dados internos (histórico de pagamento, volume, sazonalidade de embarque), dados externos de bureau e informações cadastrais. Os desafios são típicos: poucos eventos de inadimplência, definição de "mau pagador" que muda a modelagem, clientes novos sem histórico e mudança de comportamento na economia.

Além do poder de separação, o que importa é a calibração, porque a probabilidade de inadimplência vira limite de crédito e provisão. O modelo precisa de explicabilidade por cliente, de monitoramento de estabilidade e de validação independente, e vai conviver com a política de crédito, que continua sendo da área financeira.

O que você vai fazer:

• Definir com crédito e finanças o evento de inadimplência, a janela de observação e a de desempenho
• Construir variáveis de comportamento de pagamento e de embarque e integrar dados de bureau
• Treinar e comparar modelos com validação temporal e calibração da probabilidade
• Tratar clientes sem histórico e vieses de seleção causados por quem já tinha crédito
• Gerar explicação por decisão, para o analista justificar limite concedido ou negado
• Monitorar estabilidade da população e do desempenho e acionar recalibração
• Documentar o modelo para validação independente e auditoria

Requisitos:

• Modelagem de risco de crédito com dados tabulares, desde a definição do evento até a calibração
• Validação temporal e atenção a vazamento de dados e a viés de seleção
• Python e SQL avançados e pipelines de treino reproduzíveis
• Explicabilidade de modelos por decisão individual
• Experiência em colocar modelos em produção com monitoramento
• Diálogo com finanças e crédito sobre o uso do score na política

Diferenciais:

• Experiência em crédito B2B, cobrança ou análise de risco de empresas
• Inferência de rejeitados para corrigir o viés de quem nunca teve crédito
• Conhecimento de provisão e de requisitos de governança de modelos
• Modelos monotônicos que respeitam a lógica de negócio
• Práticas de equidade e de transparência em decisões automatizadas

Como é trabalhar aqui:

Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em São Paulo, SP. Os modelos têm ficha documentada, versão e dono, e entram em uso depois de validação por outra pessoa. A equipe se reúne com finanças todo mês para olhar desempenho e perdas e decidir o que ajustar. 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
• XGBoost
• scikit-learn
• Modelagem de risco
• MLflow
• SQL
• Airflow
• Calibração

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