Engenheiro(a) de Machine Learning Pleno (Manutenção Preditiva em Meios de Pagamento)
Sobre a vaga
Vaga aberta de Engenheiro(a) de Machine Learning Pleno (Manutenção Preditiva 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 03/11/2026.
Uma empresa de meios de pagamento mantém milhares de maquininhas e terminais espalhados por lojas, feiras e entregadores. Cada equipamento falha de um jeito: bateria que não segura carga, leitor de cartão que começa a recusar, módulo de comunicação que perde sinal. Trocar um terminal antes de a falha acontecer evita um lojista parado sem receber, e trocar sem necessidade custa frete e peça.
Você vai construir o modelo de manutenção preditiva. Os dados vêm de telemetria do terminal (nível de bateria, taxa de falha de leitura, força do sinal, temperatura, tempo desde a última carga) e do histórico de chamados e trocas. O desafio é que a falha é rara, os dados chegam de forma irregular e a ação tem um custo: o modelo deve ordenar os terminais pela chance de falha nos próximos dias, para que a logística envie reposição em lote.
A medida de sucesso é a precisão da lista dos mais prováveis, a queda de terminais parados por falha sem aviso, o custo de reposição evitado e a estabilidade do modelo ao longo dos meses.
O que você vai fazer
- Definir com a operação a falha a prever, a janela de antecedência e o custo de cada tipo de erro
- Construir variáveis de telemetria com janelas móveis, tendência e contagem de eventos
- Treinar modelos de gradient boosting com validação temporal e por lote de equipamento
- Escolher o corte a partir da capacidade logística de reposição
- Registrar experimentos e versões em MLflow e empacotar o serviço em Docker
- Orquestrar a pontuação diária e a geração da lista de troca em Airflow
- Monitorar deriva da telemetria, queda de desempenho e atraso de dados
- Analisar falsos positivos e falsos negativos com a equipe de campo
Requisitos
- Modelagem supervisionada com scikit-learn e XGBoost
- Engenharia de variáveis em séries temporais irregulares
- Validação temporal e tratamento de eventos raros
- SQL e Python para preparar dados de telemetria
- Implantação em contêiner e rotina agendada de pontuação
- Monitoramento de modelos e retreino
Diferenciais
- Experiência com dados de sensores e de equipamentos
- Modelos de sobrevivência para tempo até a falha
- Otimização da decisão com custo de troca e de parada
- Explicabilidade de modelos para equipe de campo
- Noção de processamento de dados em fluxo
Como é trabalhar aqui
Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em São Paulo, SP. Cada versão do modelo é revisada por outra pessoa e comparada com a atual antes de entrar em uso. Os resultados são discutidos todo mês com a logística, com os terminais trocados e as falhas que passaram. 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.