Engenheiro(a) de Machine Learning Sênior (Monitoramento de Modelos em Meios de Pagamento)
Sobre a vaga
Vaga aberta de Engenheiro(a) de Machine Learning Sênior (Monitoramento de Modelos em Meios de Pagamento). 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 05/11/2026.
O modelo de fraude analisa cada transação de cartão em poucas dezenas de milissegundos e decide aprovar, recusar ou pedir autenticação adicional. Os fraudadores mudam de comportamento quando uma regra os bloqueia, e o perfil legítimo muda em Black Friday, no Natal e quando uma loja grande entra na plataforma. O modelo parece bem na semana do treino e se degrada sem aviso. Você vai construir o monitoramento que mostra essa degradação cedo.
O problema tem uma armadilha. O rótulo real, a confirmação de fraude, chega entre 15 e 60 dias depois, na forma de contestação, então não dá para medir precisão em tempo real. É preciso monitorar o que chega antes: estabilidade das variáveis e das pontuações com PSI, taxa de recusa por segmento, aprovação por bandeira, e os rótulos parciais que já chegaram, com correção do atraso. Alertas demais ensinam as pessoas a ignorá-los, então cada alerta precisa ter limite justificado e dono.
Como engenheiro sênior, você define o que se mede, constrói a automação e decide com a equipe quando retreinar, recalibrar ou voltar para uma versão anterior.
O que você vai fazer
- Medir a estabilidade de variáveis e de pontuação com PSI e testes de distribuição por segmento
- Acompanhar taxa de recusa, aprovação e autenticação adicional por bandeira, valor e tipo de loja
- Estimar desempenho com rótulos parciais, corrigindo o atraso na chegada das contestações
- Definir limites de alerta com justificativa estatística, dono e ação esperada
- Automatizar o retreino agendado e a recalibração com validação antes da troca
- Construir painéis e relatórios mensais de saúde dos modelos para risco e compliance
- Investigar incidentes de degradação e documentar a causa raiz
Requisitos
- Python e modelagem tabular com scikit-learn e XGBoost
- Monitoramento de modelos: deriva de dados, de conceito e de desempenho
- SQL para análise de grandes volumes de transações
- MLflow ou ferramenta equivalente para versionamento e registro
- Orquestração com Airflow ou similar
- Raciocínio estatístico para separar ruído de mudança real
Diferenciais
- Ter trabalhado com modelos de fraude ou de risco de transação
- Experiência com correção de atraso de rótulo e com aprendizado em dados censurados
- Conhecimento da dinâmica de sazonalidade do varejo e do comércio eletrônico
- Prática com monitoramento em tempo quase real, em fluxo contínuo
Como é trabalhar aqui
Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em São Paulo, SP. Todo limite de alerta tem dono e passa por revisão de outra pessoa de dados. Incidentes de degradação são analisados em conjunto com risco, sem busca de culpado, e geram melhoria no monitoramento. 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.