Engenheiro(a) de Deep Learning Sênior (Séries Temporais em Meios de Pagamento)
Sobre a vaga
Vaga aberta de Engenheiro(a) de Deep Learning Sênior (Séries Temporais em Meios de Pagamento). A empresa contratante é confidencial neste anúncio, e a seleção é conduzida pela Sylision. Modelo 100% remoto. Contratação: tempo integral, CLT ou PJ.
Publicada em 04/11/2026.
O volume de transações de uma empresa de meios de pagamento tem ritmo próprio: pico no horário de almoço, salto no quinto dia útil, Black Friday, feriado prolongado, queda de madrugada. Duas perguntas dependem de séries temporais bem tratadas: quanto volume esperar nas próximas horas, para dimensionar capacidade, e se a taxa de aprovação de um emissor caiu mais do que a variação normal, o que pode indicar falha no banco ou ataque.
Você vai treinar redes neurais para previsão probabilística por minuto e por hora, em milhares de séries com histórico muito diferente (emissores grandes e pequenos), usando perda quantílica para entregar faixas e não só um valor. O modelo precisa lidar com calendário, feriados regionais e eventos raros, e com buracos de dado quando um adquirente deixa de enviar. Para anomalias, a previsão serve de base e o desvio é avaliado com limites ajustados a cada série.
Medimos o erro por horizonte (MAPE e erro de quantil), a cobertura real das faixas previstas, o tempo até detectar uma queda de aprovação de emissor, os alertas falsos por dia e o tempo de inferência para toda a carteira de séries.
O que você vai fazer
- Preparar as séries de volume e de aprovação por minuto, por emissor, bandeira e canal
- Treinar redes de previsão probabilística, como LSTM, convolucionais temporais ou transformers
- Incorporar calendário, feriados regionais e eventos sazonais como variáveis conhecidas no futuro
- Avaliar com validação em janela móvel e comparar com baselines estatísticos simples
- Calibrar as faixas de previsão e medir a cobertura real em dias de pico
- Construir o detector de anomalias de aprovação sobre a previsão, com limite por série
- Otimizar a inferência e exportar para ONNX para atender toda a carteira dentro do tempo
- Definir com a operação o procedimento a seguir quando o alerta dispara
Requisitos
- Deep learning aplicado a séries temporais, com PyTorch ou equivalente
- Previsão probabilística e perda quantílica
- Validação correta de séries: janelas móveis, sem vazamento do futuro
- Detecção de anomalias em séries com sazonalidade múltipla
- Otimização de inferência e uso de GPU
- Definição de padrão técnico e orientação de outras pessoas do time
Diferenciais
- Modelos estatísticos clássicos, como ARIMA e suavização exponencial, como baseline
- Séries hierárquicas e reconciliação entre níveis
- Dados transacionais de pagamentos ou de varejo
- Modelos globais treinados em muitas séries com pouca história
Como é trabalhar aqui
Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em São Paulo, SP. Todo modelo novo é comparado com os baselines simples numa mesma bancada, e o resultado é apresentado ao time antes da decisão de adotar. Os alertas em produção são revistos toda semana com a operação para ajustar limites e descartar ruído. 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
Vagas parecidas
Como funciona o processo
- Você envia o currículo uma única vez. Ele entra no banco da Sylision e vale para os processos compatíveis, os de hoje e os que abrirem depois.
- A busca é feita por pessoas: quando surge um processo que combina com o que você faz, a gente chama, normalmente por WhatsApp.
- Os seus dados são tratados conforme a LGPD, e a remoção é feita a qualquer momento, a seu pedido.
Antes de aceitar qualquer proposta
A Sylision existe para você saber onde está entrando
Nós somos um acervo público sobre como as empresas funcionam por dentro, feito de respostas de quem já saiu delas. Dá para ver quanto tempo as pessoas ficavam, quantas saíram no último ano e o que mudou de um ano para o outro, antes de você responder a uma proposta.
As vagas são uma porta. O que a gente faz é isto, e ele só existe porque quem já saiu respondeu. Leva de 2 a 3 minutos, é de múltipla escolha, e não pede CPF nem e-mail.
Candidate-se a esta vaga
Anexe o seu currículo. Ele vale para esta vaga e para os próximos processos compatíveis, sem refazer cadastro.