Engenheiro de Machine Learning Sênior; Manutenção Preditiva em Seguros

Position: Engenheiro(a) de Machine Learning Sênior (Manutenção Preditiva em Seguros)

Vaga aberta de Engenheiro(a) de Machine Learning Sênior (Manutenção Preditiva em Seguros). 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 seguradora de equipamentos, de frotas e de máquinas agrícolas paga sinistros que muitas vezes começam como falha gradual. Um motor que vibra mais, um compressor que aquece, um sensor que sai da faixa. Se a falha for prevista a tempo, o cliente repara antes e a seguradora evita um sinistro caro. Você vai construir os modelos de manutenção preditiva que sustentam esse serviço.

Os dados são séries de sensores com frequência irregular, perdas de sinal e leituras de equipamentos de modelos diferentes. Falhas são raras, então o desbalanceamento é forte, e o rótulo precisa ser montado a partir de ordens de serviço e de sinistros, com datas imprecisas. A pergunta correta não é só se vai falhar, mas em quanto tempo, com que antecedência útil e com qual taxa de alarme falso suportável pelo cliente.

Mede-se pela antecedência média dos avisos, pela precisão dos alertas, pela redução de sinistros nos equipamentos monitorados e pela estabilidade dos modelos entre tipos de equipamento.

O que você vai fazer:

• Montar o rótulo de falha a partir de ordens de serviço, sinistros e leituras de sensores
• Criar variáveis de janelas temporais, tendência e desvio por tipo de equipamento
• Treinar e validar modelos com separação temporal e por equipamento, sem vazamento
• Definir limiares de alerta pelo custo de falso alarme e de falha não detectada
• Implantar escoragem periódica orquestrada e com tratamento de dado ausente
• Monitorar deriva por modelo de equipamento e acionar retreino com validação
• Medir o efeito dos alertas sobre sinistros em grupo de comparação
• Orientar colegas e fixar padrões para modelos de séries de sensores

Requisitos:

• Modelagem tabular e de séries temporais para eventos raros
• Validação sem vazamento temporal e métricas adequadas a desbalanceamento
• Rotina de MLOps com versão de modelo, agendamento de escoragem e monitoramento
• SQL e Python para dados de sensores em volume
• Raciocínio de custo para escolher limiar de decisão
• Capacidade de decidir desenho e de responder pelo modelo em produção

Diferenciais:

• Análise de sobrevivência para estimar tempo até a falha
• Conhecimento de engenharia de manutenção e de confiabilidade
• Prática com dados de IoT e processamento em fluxo
• Noção de precificação e de subscrição de seguros de equipamentos

Como é trabalhar aqui:

Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em São Paulo, SP. Cada modelo novo é revisado por outra pessoa e só entra em produção após validação temporal documentada. Os alertas disparados e seus desfechos voltam ao time e orientam a versão seguinte. 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
• LightGBM
• scikit-learn
• MLflow
• SQL
• Airflow
• Docker
• Séries temporais

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