Engenheiro de Machine Learning Sênior; Previsão de Churn no Mercado Imobiliário

Position: Engenheiro(a) de Machine Learning Sênior (Previsão de Churn no Mercado Imobiliário)

Vaga aberta de Engenheiro(a) de Machine Learning Sênior (Previsão de Churn no Mercado Imobiliário). 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:

No mercado imobiliário, churn tem formas diferentes: o inquilino que não renova a locação, o proprietário que tira o imóvel da administração e o comprador que desiste do contrato na planta. Cada caso deixa sinais antes: atraso recorrente, queixa de manutenção sem solução, visita ao imóvel concorrente, pedido de segunda via de boleto. Você vai construir o modelo que aponta, com antecedência, quem tem maior risco de sair para que o time de relacionamento aja a tempo.

O trabalho é de produção, não de notebook. Features temporais calculadas a partir de pagamentos, chamados e interações precisam ser reproduzíveis na hora do treino e na hora da inferência. A validação respeita o tempo, porque misturar meses vazaria futuro para o treino e daria uma métrica bonita e falsa.

O modelo roda em lote com Airflow, grava a pontuação com a versão do modelo e é acompanhado em MLflow. Você monitora deriva de dados e de desempenho, define quando retreinar e mede se a ação sobre os casos de maior risco de fato reduz a saída, com um grupo de comparação separado.

O que você vai fazer:

• Definir o evento de churn por produto, com janela de previsão e de observação
• Construir features temporais reproduzíveis no treino e na inferência
• Treinar e comparar modelos tabulares com validação por tempo
• Guardar cada experimento no MLflow e promover só a versão que superar a vigente
• Orquestrar o pipeline de treino e pontuação em lote com Airflow
• Monitorar deriva de dados, calibração e desempenho depois da implantação
• Medir o efeito das ações de retenção com grupo de comparação
• Escrever o padrão de revisão de modelos e orientar colegas

Requisitos:

• Modelos tabulares com XGBoost e scikit-learn, incluindo desbalanceamento de classes
• Validação temporal e prevenção de vazamento
• Pipeline de ML em produção com Docker e orquestrador
• MLflow ou equivalente para versionar experimento e modelo
• Calibração de probabilidade e escolha de limiar por custo de erro
• SQL sólido para montar as bases de treino

Diferenciais:

• Modelos de sobrevivência para estimar quando o cliente sai
• Repositório de features
• Interpretabilidade com SHAP para explicar o risco ao time comercial
• Teste A/B de ações de retenção
• Conhecimento de locação, administração de imóveis ou lançamentos

Como é trabalhar aqui:

Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em São Paulo, SP. A semana se divide entre evolução do modelo, cuidado com o pipeline em produção e conversa com quem usa a pontuação. Mudança de modelo só vai a produção com revisão e comparação contra a versão vigente, e os alertas de deriva ficam sob responsabilidade de quem treina.

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 Total Pass 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
• Monitoramento de deriva
• Git

Seus dados:

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