Engenheiro(a) de Machine Learning Pleno (Recomendação de Produtos em Seguros)
Sobre a vaga
Vaga aberta de Engenheiro(a) de Machine Learning Pleno (Recomendação de Produtos 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 03/11/2026.
O site, o aplicativo e os corretores de uma seguradora oferecem produtos adicionais, como assistência residencial, seguro de vida e proteção de celular, e hoje a oferta é a mesma para todo mundo. Você vai colocar em produção um modelo de recomendação que escolhe qual produto mostrar a cada cliente e em que momento.
O cenário tem restrições próprias: poucos produtos e baixa frequência de compra, então há pouco histórico por pessoa; produto que só pode ser vendido em certa faixa de risco ou de região; cliente que cancela por receber oferta demais; consentimento de contato que precisa ser respeitado. O modelo combina elegibilidade, propensão e regras de negócio, e é avaliado por experimento e não só por métrica offline.
Mede-se por taxa de conversão contra o grupo de controle, receita adicional por cliente exposto, cancelamentos depois da oferta, cobertura de clientes elegíveis e estabilidade do modelo ao longo dos meses.
O que você vai fazer
- Construir as features de histórico de apólices, sinistros, canais e momento de vida do cliente
- Treinar modelos de propensão e de ranking por produto com validação temporal
- Aplicar regras de elegibilidade, consentimento e limite de contato antes de exibir a oferta
- Publicar a recomendação por API e em lote, com fallback quando faltar dado
- Desenhar e analisar experimentos A/B com grupo de controle
- Monitorar deriva, cobertura e queda de conversão e agendar retreino no Airflow
- Guardar experimentos e versões no MLflow para reproduzir qualquer resultado
- Explicar à área comercial por que cada oferta foi escolhida
Requisitos
- Python para modelagem e engenharia de dados
- Modelos de propensão e de ranking com scikit-learn e XGBoost
- Validação temporal e métricas de ranking
- SQL em volume razoável e construção de features sem vazamento
- Noção de experimento controlado e de seus limites
- Docker, Git e revisão de código
Diferenciais
- Conhecimento do ciclo de vida de apólice e de cancelamento
- Recomendação com poucos dados, como modelos de popularidade e de cold start
- Camada de atributos compartilhada entre modelos de propensão
- Análise de efeito incremental
- Respeito a consentimento e finalidade no uso de dados pessoais
Como é trabalhar aqui
Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em São Paulo, SP. Você é dona ou dono da frente de recomendação e decide dentro dela. Mudanças só vão ao ar depois de comparação com o modelo atual, e os resultados dos experimentos são apresentados à área comercial a cada ciclo. 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.