Engenheiro de Machine Learning Sênior; Manutenção Preditiva no Jurídico

Position: Engenheiro(a) de Machine Learning Sênior (Manutenção Preditiva no Jurídico)
Vaga aberta de Engenheiro(a) de Machine Learning Sênior (Manutenção Preditiva no Jurídico) Nível: senior. Modelo de trabalho: 100% Remoto. Contratação: tempo integral, CLT ou PJ.

Sobre a vaga:

Uma empresa do setor jurídico mantém uma infraestrutura que não pode parar: sistemas de peticionamento eletrônico, bases de processos, servidores, rede, equipamentos de datacenter e dispositivos de sala de audiência. Quando um servidor de armazenamento falha na véspera de um prazo processual, o dano é imediato. A manutenção preditiva aponta quais equipamentos têm risco de falha para que a troca ocorra antes.

Você vai construir esse modelo.

Os dados vêm de logs de hardware, temperatura, taxas de erro de disco, chamados abertos e histórico de manutenção. Falha real é rara, e muitos registros de falha estão incompletos ou lançados com atraso. O sucesso não é a acurácia, é antecipar falhas com margem útil, sem encher a equipe de alertas falsos. O trabalho é bom quando a antecedência média do alerta permite agendar a troca, a precisão do alerta é aceita pela equipe de infraestrutura e as paradas não planejadas diminuem de forma medida.

O

que você vai fazer:

• Montar a base de eventos de falha a partir de logs, chamados e registros de manutenção
• Construir atributos de janela deslizante sobre sinais de saúde dos equipamentos
• Treinar modelos de classificação e de tempo até a falha com classes muito desbalanceadas
• Definir o limiar de alerta com a equipe, balanceando custo de troca e custo de parada
• Validar por equipamento e por tempo, sem misturar o mesmo dispositivo entre treino e teste
• Colocar a inferência em produção em lote, com alertas rastreáveis e justificados
• Monitorar deriva de sinais e a qualidade dos alertas, e retreinar quando preciso
• Medir o efeito na quantidade de paradas não planejadas e comunicar o resultado

Requisitos:

• Modelagem para eventos raros, com dados desbalanceados e censurados
• Atributos de janela temporal sobre séries de sensores e logs
• Validação que respeita tempo e agrupamento por equipamento
• Python, XGBoost e MLflow em fluxo reprodutível, com Airflow para orquestração
• SQL para extrair histórico de manutenção e de chamados
• Capacidade de definir a política de alerta junto com quem opera a infraestrutura

Diferenciais:

• Conhecimento de monitoramento de infraestrutura e de métricas de disco e de memória
• Modelos de sobrevivência e de vida útil restante
• Detecção de anomalias como apoio ao modelo supervisionado
• Noção de gestão de ativos de tecnologia da informação
• Experiência em projetos com poucos rótulos

Como é trabalhar aqui:

Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em São Paulo, SP. O modelo é revisado em par e tem relatório de validação a cada versão. A equipe de infraestrutura participa da definição dos alertas e a cada mês o time compara o que foi previsto com as falhas reais. 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 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
• Séries temporais

Seus dados:

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