Engenheiro(a) de Machine Learning Pleno (Previsão de Churn em Mobilidade Urbana)
Sobre a vaga
Vaga aberta de Engenheiro(a) de Machine Learning Pleno (Previsão de Churn em Mobilidade Urbana). 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.
Em mobilidade urbana, ganhar um usuário custa caro e perdê-lo é fácil: o passageiro assinante de um plano mensal troca de aplicativo quando duas corridas atrasam, e o motorista parceiro some quando a ganho por hora cai. Você vai construir o modelo que aponta, com antecedência, quem está prestes a sair, para o time de relacionamento agir a tempo.
A primeira dificuldade é a definição. Churn é cancelar o plano, ficar quatro semanas sem corrida ou reduzir o uso pela metade? Uma definição ruim treina um modelo que acerta o que ninguém precisa. A segunda é o vazamento: variáveis que só existem depois da decisão de sair, como o pedido de cancelamento, inflam a métrica offline e não servem em produção. A terceira é separar quem sairia e pode ser retido de quem sairia de qualquer jeito ou ficaria de qualquer jeito, e para isso entram modelos de uplift e experimento com grupo de controle.
O sucesso se mede em retenção incremental do grupo tratado contra o controle, custo por usuário retido e estabilidade do modelo ao longo do tempo.
O que você vai fazer
- Definir com o negócio o evento de churn, a janela de observação e o horizonte de previsão
- Construir features de uso, atraso de corrida, avaliação, cancelamento e suporte, com corte temporal
- Treinar e validar modelos de propensão com XGBoost e scikit-learn, evitando vazamento
- Estimar o efeito da ação de retenção com modelos de uplift e grupos de controle
- Publicar a pontuação em lote para o time de relacionamento, com explicação por usuário
- Monitorar deriva de features e queda de desempenho, e retreinar conforme o gatilho definido
- Acompanhar o custo e o efeito das campanhas de retenção
Requisitos
- Modelagem supervisionada para dados tabulares, com validação por tempo
- Entendimento de vazamento de dados e de calibração de probabilidade
- Python e SQL com boas práticas de código de produção
- Registro de experimentos e de modelos com MLflow ou equivalente
- Noção de inferência causal ou de teste controlado para ações de retenção
- Autonomia para conduzir a frente inteira, da definição ao monitoramento
Diferenciais
- Modelos de uplift e de tempo até o evento
- Airflow para orquestrar a pontuação e o retreino
- Conhecimento de marketplaces de dois lados, como passageiro e motorista
- Explicabilidade com valores de Shapley
- Experiência de trabalho com times de relacionamento e de marketing
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 comparada com a anterior em janela fora da amostra e revisada por outra pessoa de dados antes de ir à produção. O time de relacionamento recebe um resumo semanal com a lista, o motivo e o resultado das ações. 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.