Engenheiro(a) de Machine Learning Pleno (Monitoramento de Modelos no Agronegócio)
Sobre a vaga
Vaga aberta de Engenheiro(a) de Machine Learning Pleno (Monitoramento de Modelos no Agronegócio). 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.
Um modelo de previsão de produtividade de lavoura estima a colheita por talhão a partir de clima, solo, manejo e índices de satélite, e alimenta a compra de insumos e a venda antecipada da safra. O difícil é que o agro muda por estação: seca, geada, uma praga nova ou uma variedade diferente alteram a relação entre as variáveis. O modelo continua respondendo normalmente, mas com erro crescente, e a percepção chega só na colheita, tarde demais.
Você vai construir o monitoramento que antecipa isso. Há três camadas: qualidade dos dados de entrada (satélite com nuvem, estação meteorológica parada), deriva das distribuições (as variáveis da safra atual ainda se parecem com as de treino?) e desempenho assim que a produtividade real chega, o que acontece com meses de atraso e por isso exige indicadores intermediários, como erro em fases fenológicas anteriores.
Monitorar sem agir não adianta. Você define limiares que geram alerta com dono e roteiro de resposta, o critério para retreinar com dados da nova safra e a rotina que faz o retreino e compara com a versão atual antes de promover. Mede-se o tempo entre início da deriva e alerta, os alertas falsos por mês, o erro de previsão por fase da cultura e a proporção de retreinos que melhoram o resultado.
O que você vai fazer
- Medir a qualidade dos dados de satélite, clima e manejo e alertar quando a entrada degrada
- Calcular deriva de distribuição por variável e por região e por fase da cultura
- Criar indicadores intermediários de desempenho enquanto a produtividade real não chega
- Definir limiares de alerta com dono, roteiro de resposta e revisão periódica
- Automatizar o retreino com dados da safra atual e a comparação contra o modelo em uso
- Registrar versões e métricas no MLflow e orquestrar a rotina com Airflow
- Documentar o monitoramento para que a equipe agrícola entenda o que cada alerta significa
Requisitos
- Modelos tabulares com XGBoost e scikit-learn e validação que respeite o tempo e a safra
- Monitoramento de modelos: deriva de dados, de conceito e de desempenho
- Python de produção, SQL e orquestração com Airflow
- MLflow ou equivalente para versão e registro
- Capacidade de explicar a um agrônomo o que cada alerta quer dizer
- Disciplina com testes e com documentação do que foi feito
Diferenciais
- Trabalho com séries de índices de vegetação e dados de satélite
- Conhecimento de fenologia e de ciclo de culturas
- Prática com dados espaciais por talhão
- Experiência com avaliação de modelos sob atraso de rótulos
Como é trabalhar aqui
Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em São Paulo, SP. Mudanças no monitoramento passam por revisão, e cada alerta novo vem com um roteiro de resposta escrito. A equipe agrícola e a de dados revisam os alertas do mês juntas. 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.