Engenheiro(a) de Machine Learning Sênior (MLOps e Deploy de Modelos em Seguros)
Sobre a vaga
Vaga aberta de Engenheiro(a) de Machine Learning Sênior (MLOps e Deploy de Modelos 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 06/11/2026.
Numa seguradora, vários modelos já funcionam em notebook: precificação, propensão de renovação, detecção de fraude em sinistro. Entre o notebook e a produção há um abismo de scripts copiados, dependências sem versão e entregas manuais. Você vai montar a plataforma e a prática de MLOps que levam um modelo ao ar de forma repetível, com rastro de quem treinou o quê, com quais dados e quando.
As exigências do setor tornam o assunto sério. Modelo de precificação e de aceitação precisa ser auditável: dado um preço, deve ser possível reconstruir qual versão do modelo e quais variáveis o geraram. Modelo novo deve passar por validação automática, rodar em sombra ao lado do antigo e só então assumir o tráfego. Também é preciso detectar deriva de dados e de desempenho e saber quando retreinar sem interromper o negócio.
O sucesso se mede por tempo entre a aprovação do modelo e a produção, por taxa de falhas em implantação, por tempo de recuperação e pela reprodutibilidade de qualquer previsão passada. Sendo sênior, a arquitetura e o padrão de entrega são seus.
O que você vai fazer
- Desenhar o fluxo de treino, validação, registro e implantação de modelos com MLflow e Airflow
- Containerizar modelos e serviços de inferência, em lote e em tempo real
- Automatizar testes de dados, de modelo e de contrato no CI/CD
- Implantar modelos em sombra e em liberação gradual, com retorno rápido ao anterior
- Registrar linhagem completa: dados, código, parâmetros e métricas de cada versão
- Monitorar deriva, latência e qualidade das previsões, com alertas acionáveis
- Escrever padrões e modelos de projeto para as equipes de ciência de dados
- Resolver incidentes de produção e conduzir a revisão posterior
Requisitos
- Engenharia de machine learning em produção com Python, Docker e orquestração
- Registro de experimentos e de modelos, com versionamento de dados e código
- CI/CD aplicado a pipelines de modelos
- Monitoramento de deriva e de desempenho de modelos
- SQL e conhecimento de armazenamento de dados analíticos
- Capacidade de documentar decisões para auditoria e para o jurídico
Diferenciais
- Experiência com modelos regulados, como preço, crédito ou risco
- Conhecimento de Kubernetes ou de serviços gerenciados de implantação
- Prática em feature store e em consistência entre treino e inferência
- Noção de explicabilidade de modelos tabulares
Como é trabalhar aqui
Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em São Paulo, SP. As mudanças na plataforma passam por revisão de outra pessoa e por um ambiente de teste, com incidentes tratados em revisões sem busca de culpado. O time acompanha a saúde dos modelos em produção em um painel único. 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.