Engenheiro(a) de Machine Learning Sênior (Previsão de Churn no Mercado Imobiliário)
Sobre a vaga
Vaga aberta de Engenheiro(a) de Machine Learning Sênior (Previsão de Churn no Mercado Imobiliário). 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.
No mercado imobiliário, churn tem formas diferentes: o inquilino que não renova a locação, o proprietário que tira o imóvel da administração e o comprador que desiste do contrato na planta. Cada caso deixa sinais antes: atraso recorrente, queixa de manutenção sem solução, visita ao imóvel concorrente, pedido de segunda via de boleto. Você vai construir o modelo que aponta, com antecedência, quem tem maior risco de sair para que o time de relacionamento aja a tempo.
O trabalho é de produção, não de notebook. Features temporais calculadas a partir de pagamentos, chamados e interações precisam ser reproduzíveis na hora do treino e na hora da inferência. A validação respeita o tempo, porque misturar meses vazaria futuro para o treino e daria uma métrica bonita e falsa.
O modelo roda em lote com Airflow, grava a pontuação com a versão do modelo e é acompanhado em MLflow. Você monitora deriva de dados e de desempenho, define quando retreinar e mede se a ação sobre os casos de maior risco de fato reduz a saída, com um grupo de comparação separado.
O que você vai fazer
- Definir o evento de churn por produto, com janela de previsão e de observação
- Construir features temporais reproduzíveis no treino e na inferência
- Treinar e comparar modelos tabulares com validação por tempo
- Guardar cada experimento no MLflow e promover só a versão que superar a vigente
- Orquestrar o pipeline de treino e pontuação em lote com Airflow
- Monitorar deriva de dados, calibração e desempenho depois da implantação
- Medir o efeito das ações de retenção com grupo de comparação
- Escrever o padrão de revisão de modelos e orientar colegas
Requisitos
- Modelos tabulares com XGBoost e scikit-learn, incluindo desbalanceamento de classes
- Validação temporal e prevenção de vazamento
- Pipeline de ML em produção com Docker e orquestrador
- MLflow ou equivalente para versionar experimento e modelo
- Calibração de probabilidade e escolha de limiar por custo de erro
- SQL sólido para montar as bases de treino
Diferenciais
- Modelos de sobrevivência para estimar quando o cliente sai
- Repositório de features
- Interpretabilidade com SHAP para explicar o risco ao time comercial
- Teste A/B de ações de retenção
- Conhecimento de locação, administração de imóveis ou lançamentos
Como é trabalhar aqui
Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em São Paulo, SP. A semana se divide entre evolução do modelo, cuidado com o pipeline em produção e conversa com quem usa a pontuação. Mudança de modelo só vai a produção com revisão e comparação contra a versão vigente, e os alertas de deriva ficam sob responsabilidade de quem treina. 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.