Engenheiro(a) de Machine Learning Sênior (Manutenção Preditiva no Varejo)
Sobre a vaga
Vaga aberta de Engenheiro(a) de Machine Learning Sênior (Manutenção Preditiva no Varejo). 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 06/11/2026.
Redes de varejo dependem de câmaras frias, esteiras de centros de distribuição, ar-condicionado e caixas de autoatendimento. Quando uma câmara fria falha de madrugada, perde-se mercadoria e a loja abre sem produto. Você vai construir os modelos que preveem falhas desses equipamentos com base em sensores de temperatura, vibração, corrente e histórico de chamados de manutenção.
Os dados são difíceis: sensores que travam enviando o mesmo valor, relógios fora de sincronia, falhas raras que deixam poucos exemplos e rótulos incompletos porque o chamado de manutenção abre depois do problema. O alerta tem de chegar com antecedência suficiente para a equipe agir, sem inundar a manutenção de falsos avisos que levam ao descrédito. O ponto de equilíbrio entre antecedência e falso alarme é uma decisão de negócio que precisa ser medida em custo.
Sucesso é medido por falhas evitadas, antecedência média do alerta, precisão dos avisos e custo de visitas desnecessárias. Sendo sênior, você define o desenho dos modelos, a política de limiar e o padrão de monitoramento.
O que você vai fazer
- Tratar sinais de sensores: dados ausentes, valores congelados, ruído e sincronização
- Construir variáveis de janela deslizante para detectar degradação progressiva
- Reconstruir os rótulos de falha a partir de chamados de manutenção e eventos de equipamento
- Treinar e validar modelos com cuidado para não vazar informação futura
- Definir o limiar de alerta junto à manutenção, pelo custo de falha e de visita
- Publicar o modelo com MLflow e orquestrar a inferência periódica no Airflow
- Monitorar deriva por modelo de equipamento e por loja, e retreinar
- Orientar outras pessoas do time em validação temporal e em monitoramento
Requisitos
- Machine learning para dados tabulares e séries de sensores em Python
- Validação temporal sem vazamento e lida com classe muito desbalanceada
- SQL e manipulação de grandes volumes de leituras
- Produção de modelos com contêiner, orquestração e monitoramento
- Escolha de métrica e de limiar pelo custo operacional
- Conversa direta com equipes de manutenção e operação
Diferenciais
- Experiência com detecção de anomalias e com análise de sobrevivência
- Conhecimento de IoT, protocolos de telemetria e bancos de séries temporais
- Noções de manutenção industrial ou de refrigeração
- Interesse por explicar o motivo de cada alerta, com as variáveis que o causaram
Como é trabalhar aqui
Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em São Paulo, SP. Os modelos são revisados em par e liberados primeiro em um grupo pequeno de lojas, com acompanhamento dos alertas pela equipe de manutenção. As falhas perdidas e os falsos avisos são analisados toda semana para ajustar o modelo. 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.