Engenheiro(a) de Machine Learning Sênior (MLOps e Deploy de Modelos em Mobilidade Urbana)
Sobre a vaga
Vaga aberta de Engenheiro(a) de Machine Learning Sênior (MLOps e Deploy de Modelos 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 06/11/2026.
Modelos de previsão de demanda por linha, de tempo de chegada e de risco de atraso só ajudam se chegarem à operação de maneira estável. Hoje cada cientista treina em seu notebook, entrega um arquivo e alguém reconstrói o ambiente à mão. Quando o modelo muda, ninguém sabe qual versão estava ativa na hora de uma previsão errada. Você vai construir o caminho que leva modelos de mobilidade urbana do experimento à produção, de forma repetível e auditável.
A plataforma cobre treino reproduzível, registro de modelos, empacotamento em contêiner, implantação gradual e retorno rápido à versão anterior. Pontuações em lote e em tempo real têm exigências diferentes: as primeiras pedem orquestração e janela de execução, as segundas pedem baixa latência e fallback quando o serviço de features está fora.
Em produção, você monitora entrada, saída e desempenho, e liga o alerta de deriva a uma ação definida. Mede o que a plataforma entrega: tempo do modelo pronto até a produção, falhas de implantação, tempo para reverter e cobertura de monitoramento dos modelos ativos.
O que você vai fazer
- Padronizar o pipeline de treino reproduzível com dados, código e ambiente versionados
- Manter o registro de modelos e a promoção entre ambientes com critérios
- Empacotar modelos em contêineres e automatizar a implantação gradual e o retorno
- Operar pontuação em lote no Airflow e em tempo real com fallback
- Monitorar entrada, saída, deriva e desempenho dos modelos ativos
- Definir alertas com dono e ação para cada tipo de degradação
- Reduzir o tempo entre modelo pronto e produção e medir esse tempo
- Documentar o padrão e apoiar cientistas e engenheiros para usá-lo
Requisitos
- MLOps na prática: versionamento, registro, implantação e monitoramento
- Docker e orquestração de contêineres em ambiente de produção
- CI/CD aplicado a modelos e a código de dados
- Python e SQL em nível de produção
- Diagnóstico de incidente em serviço de inferência
- Capacidade de definir padrão que outras pessoas queiram seguir
Diferenciais
- Kubernetes e implantação progressiva de modelos
- Repositório de features para treino e inferência
- Dados de transporte e previsões em tempo real
- Testes de modelos como parte do pipeline
- Infraestrutura como código
Como é trabalhar aqui
Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em São Paulo, SP. Você trata a plataforma como produto cujos clientes são cientistas e engenheiros, e ouve o que trava o trabalho deles. Mudanças na plataforma passam por revisão, os incidentes têm análise escrita sem culpado e as lições viram melhorias. 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.