Engenheiro(a) de Machine Learning Pleno (Recomendação de Produtos no E-commerce)
Sobre a vaga
Vaga aberta de Engenheiro(a) de Machine Learning Pleno (Recomendação de Produtos no E-commerce). 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.
A página inicial e a vitrine de um comércio eletrônico mostram produtos em milhares de combinações por dia. A recomendação precisa escolher, entre centenas de milhares de itens, algumas dezenas que cada pessoa tem chance de comprar, e isso em poucas dezenas de milissegundos. Você vai treinar, publicar e manter os modelos de geração de candidatos e de ranqueamento.
Os problemas são clássicos e difíceis. Cliente novo e produto novo não têm histórico, o que é o problema de partida a frio. Itens com estoque zero não podem aparecer. Os dados de clique favorecem o que já era exibido, criando viés de posição. E métricas offline como nDCG nem sempre se confirmam no teste online.
O sucesso é medido em teste A/B: taxa de clique, conversão e receita por visita, com atenção à diversidade e a não piorar a margem. O pipeline de retreino precisa rodar sozinho e avisar quando a qualidade cair.
O que você vai fazer
- Construir features de comportamento, produto e contexto com SQL e Python
- Treinar modelos de geração de candidatos e de ranqueamento com gradiente boosting
- Tratar partida a frio de clientes e de produtos
- Corrigir o viés de posição na construção do conjunto de treino
- Avaliar offline com nDCG e validar online em teste A/B
- Agendar retreino e implantação com MLflow e Airflow
- Monitorar deriva de dados e queda de conversão após cada versão
- Filtrar itens sem estoque e respeitar regras de negócio na lista final
Requisitos
- Modelagem supervisionada e de ranqueamento em produção
- Python, scikit-learn e XGBoost
- SQL para features e análise de experimentos
- Validação com corte temporal e métricas de ranqueamento
- Pipeline de treino e implantação com versionamento de modelos
- Interpretação de teste A/B e dos seus limites
- Docker para empacotar o serviço de predição
Diferenciais
- Ter usado embeddings de produto ou filtragem colaborativa
- Conhecer bandits para exploração
- Noção de feature store
- Experiência de projeto próprio com sistema de recomendação
- Interesse por mix de catálogo e margem
Como é trabalhar aqui
Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em São Paulo, SP. A frente de recomendação é sua: você decide o que testar, e cada modelo novo passa por revisão de outra pessoa de ML antes do teste online. Resultados são acompanhados por painel de conversão, com retrospectiva depois de cada experimento. 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.