Engenheiro de Machine Learning Pleno; Precificação Dinâmica na Saúde

Vaga aberta de Engenheiro(a) de Machine Learning Pleno (Precificação Dinâmica na Saúde). A empresa contratante é confidencial neste anúncio, e a seleção é conduzida pela Sylision.

Nível: pleno.

Modelo de trabalho: 100% Remoto.

Contratação: tempo integral, CLT ou PJ.

Uma rede de consultas e exames tem agenda que esvazia em certos horários e lota em outros, e o preço de lista é o mesmo o dia todo. O modelo que você vai construir estima a demanda por horário, especialidade e unidade e sugere ajuste de preço dentro de limites definidos pelo negócio, para ocupar melhor a agenda sem expulsar quem precisa do atendimento.

O difícil é separar efeito do preço de efeito do calendário. Feriado, campanha, chuva e sazonalidade de exame de rotina movem a demanda junto, e um modelo ingênuo aprende que preço alto atrai paciente. Há ainda a restrição de que o preço sugerido nunca passa de teto e piso, e que a mudança precisa ser explicável para a área comercial e para quem atende o telefone.

Você é dono da frente inteira, do dado de agenda ao monitoramento do modelo no ar. O resultado se mede por taxa de ocupação da agenda, receita por hora de equipamento e cancelamento, comparados em teste controlado por unidade.

• Construir a base de demanda por horário, especialidade e unidade a partir do sistema de agendamento
• Criar features de calendário, antecedência de marcação e histórico de cancelamento
• Treinar e validar modelos de previsão de demanda com validação temporal, sem vazamento de futuro
• Estimar a sensibilidade da demanda ao preço separada do efeito de calendário
• Implementar as regras de teto, piso e frequência máxima de alteração sobre a sugestão do modelo
• Orquestrar treino e geração diária de sugestões no Airflow
• Monitorar deriva da demanda e erro de previsão por unidade, com alerta
• Desenhar com o negócio o teste controlado e ler o resultado

• Python e scikit-learn com modelos de árvore, como XGBoost, em dados tabulares
• Separar treino e teste pelo tempo, de modo que nada do futuro entre no treino
• SQL para transformar registros de agendamento em tabela de treino
• Noção de inferência causal ou de teste controlado para separar efeito do preço
• Registro de experimentos e versionamento de modelos, de preferência com MLflow
• Docker e hábito de empacotar o que entrega

• Previsão de séries temporais com sazonalidade múltipla
• Contato com preço, receita ou agenda em operação de serviços
• Modelos de elasticidade ou de otimização com restrição
• Painéis simples para a área comercial acompanhar a sugestão
• Conhecimento de regras de reajuste e de transparência de preço em saúde

Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em São Paulo, SP. O time trabalha com revisão de código por pares e com decisões de modelo registradas em documento curto. Os resultados do teste são acompanhados toda semana com a área comercial. Na candidatura, informe a sua pretensão salarial.

• 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

• Python
• scikit-learn
• XGBoost
• MLflow
• SQL
• Docker
• Airflow
• Séries temporais

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