Engenheiro(a) de Machine Learning Pleno (Detecção de Fraude em Seguros)
Sobre a vaga
Vaga aberta de Engenheiro(a) de Machine Learning Pleno (Detecção de Fraude em Seguros). 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 02/11/2026.
Em seguro de automóvel, parte dos sinistros é fraude: dano combinado, peça superfaturada, o mesmo prestador aparecendo em casos que não deveriam ter relação. A equipe de investigação é pequena e só consegue olhar uma fração dos casos, então o modelo precisa entregar uma fila ordenada em que os primeiros itens valham o tempo dos investigadores.
Os dados dificultam. O rótulo de fraude chega meses depois, quando a investigação termina, e só existe para os casos que alguém decidiu investigar, o que carrega o viés da própria regra antiga. A fraude representa uma pequena fração dos sinistros, e os fraudadores mudam de padrão assim que são pegos. Relações entre segurado, oficina, perito e placa dizem mais do que cada sinistro isolado, e entram como atributos de grafo.
A medida de sucesso é a precisão nos primeiros casos da fila, o valor recuperado ou evitado, o custo dos falsos positivos para o segurado honesto e a estabilidade do modelo ao longo dos meses.
O que você vai fazer
- Construir features de sinistro, segurado, apólice, prestador e relacionamento entre eles, respeitando o que se sabia na data do aviso
- Treinar modelos de árvores com tratamento de classe rara e validação temporal
- Lidar com rótulos atrasados e com viés de seleção, usando amostragem de auditoria quando possível
- Definir a pontuação e o corte pela capacidade da equipe de investigação e pelo custo de cada erro
- Colocar o modelo em produção com versionamento, retreino orquestrado e comparação com o modelo anterior
- Monitorar deriva de dados e queda de desempenho assim que os rótulos amadurecem
- Gerar o motivo de cada alerta para o investigador entender por que o caso subiu
- Rever com os investigadores os falsos positivos e os casos perdidos para melhorar o modelo
Requisitos
- Python, scikit-learn e gradient boosting em problemas com classe rara
- Validação temporal e entendimento de vazamento de informação
- SQL para construir atributos a partir de várias tabelas
- Métricas adequadas a fila de investigação, como precisão no topo e recuperação por volume revisado
- Noção de implantação e monitoramento de modelo
- Docker e Git no dia a dia
Diferenciais
- Atributos de grafo e detecção de comunidades de relacionamento
- Detecção de anomalias como complemento ao modelo supervisionado
- Conhecimento do processo de sinistro de automóvel
- Explicabilidade por alerta, com SHAP ou equivalente
- Cuidado com decisões automatizadas e a revisão prevista na LGPD
Como é trabalhar aqui
Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em Minas Gerais. O modelo é revisado por outra pessoa e apresentado aos investigadores antes de cada mudança de corte. Os resultados, com casos confirmados e falsos positivos, são acompanhados em encontro mensal com a área de prevenção a fraudes. 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.