Engenheiro(a) de Machine Learning Sênior (Previsão de Demanda na Logística)
Sobre a vaga
Vaga aberta de Engenheiro(a) de Machine Learning Sênior (Previsão de Demanda na Logística). 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.
Em um centro de distribuição, a previsão de volume dá a base para escalar equipes, reservar docas e contratar transporte. Se a previsão pede cem e chegam cento e cinquenta, caminhão fica esperando e o prazo estoura. Se pede cem e chegam sessenta, há gente parada. A previsão é feita por SKU, por região e por dia, com sazonalidade forte e promoções que mudam tudo.
Você vai construir e operar os modelos de previsão de demanda: features de calendário, de promoção, de clima e de histórico, modelos de boosting e de séries por hierarquia, e reconciliação para que a soma por região bata com o total. Itens novos sem histórico e dias atípicos exigem tratamento explícito, senão o modelo aprende erro como se fosse padrão.
Em produção, o trabalho é de operação: previsão gerada toda noite, comparação com o realizado, alerta quando o erro por região foge do normal, retreino agendado e rastreio de versões. Sucesso se mede em erro percentual absoluto ponderado e em viés por horizonte, na redução de horas extras e de frete emergencial e em um pipeline que se recupera de falha sem intervenção.
O que você vai fazer
- Construir features de calendário, promoção, clima e histórico com cuidado contra vazamento temporal
- Treinar modelos por horizonte e reconciliar previsões hierárquicas
- Tratar itens novos, ruptura de estoque e dias atípicos
- Validar com janelas deslizantes e medir erro percentual ponderado e viés por segmento
- Orquestrar previsão, comparação com o realizado e retreino no Airflow
- Monitorar deriva e disparar alerta quando o erro sair da faixa esperada
- Registrar experimentos e versões no MLflow e definir regras de promoção
- Explicar os limites da previsão ao planejamento da operação e orientar o time
Requisitos
- Previsão de séries temporais em contexto de varejo ou de operação
- Python, scikit-learn e gradient boosting aplicados a dados tabulares
- Validação temporal correta e métricas de erro adequadas a demanda intermitente
- Pipelines de dados e de modelos reprodutíveis, com Airflow ou equivalente
- Monitoramento de modelos em produção
- Decisão de arquitetura e diálogo com planejamento de operações
Diferenciais
- Previsão probabilística e estoque de segurança por quantil
- Modelos de deep learning para séries, comparados com boosting
- Conhecimento de roteirização e dimensionamento de frota
- Docker e implantação em nuvem
Como é trabalhar aqui
Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em São Paulo, SP. O erro de previsão do dia anterior é lido toda manhã por quem planeja a operação, e as maiores diferenças viram ajuste de modelo ou de premissa. Mudanças de modelo passam por comparação com a versão em produção e por revisão de outra pessoa. 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.