Engenheiro(a) de Machine Learning Sênior (Score de Crédito na Educação)
Sobre a vaga
Vaga aberta de Engenheiro(a) de Machine Learning Sênior (Score de Crédito na Educação). 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.
Uma plataforma de educação financia mensalidades e parcela cursos para quem não pode pagar à vista. A decisão de conceder o parcelamento depende de um score que estime a chance de pagamento, com poucos dados de histórico, já que muitos alunos são jovens e sem vida de crédito. Aprovar demais gera inadimplência, e aprovar de menos tira aluno do curso.
Você vai construir e manter o score: variáveis de comportamento de pagamento, de uso da plataforma e de bureau de crédito, modelos de regressão logística e de boosting, calibração de probabilidade e política de corte. O cuidado com o viés de seleção é decisivo, porque só se conhece o desempenho de quem foi aprovado, e é preciso inferir o que teria acontecido com os recusados.
Há exigências de explicabilidade e de justiça: o aluno recusado precisa receber um motivo compreensível, e variáveis que sirvam de substituto para discriminação ficam fora. Sucesso se mede por KS e AUC estáveis, por calibração, por inadimplência observada contra a prevista e por monitoramento que avisa quando a população muda.
O que você vai fazer
- Construir as variáveis de pagamento, uso da plataforma e bureau com cuidado contra vazamento
- Treinar e comparar modelos, calibrar probabilidades e definir pontos de corte
- Tratar o viés de seleção com inferência de rejeitados e testes de política
- Validar a estabilidade do modelo por safra e por segmento
- Gerar explicações por decisão e motivos de recusa compreensíveis
- Revisar variáveis com a área jurídica para evitar discriminação indireta
- Monitorar o PSI, a calibração e a inadimplência e agendar o retreino
- Registrar versões no MLflow e documentar o modelo para auditoria
Requisitos
- Modelagem de risco de crédito, com regressão logística e gradient boosting
- Métricas de desempenho e de estabilidade de modelos, como KS, AUC e PSI
- Validação por safra e prevenção de vazamento temporal
- Python, SQL e pipelines reprodutíveis com orquestração
- Explicabilidade de modelos e noção de justiça algorítmica
- Cuidado com dados pessoais, conforme a LGPD
Diferenciais
- Inferência de rejeitados e aprendizado com viés de seleção
- Conhecimento da regulamentação de crédito ao consumidor
- Monotonicidade e restrições em modelos de boosting
- Dados alternativos de comportamento para quem não tem histórico
Como é trabalhar aqui
Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em São Paulo, SP. Cada versão do score tem documento de modelo revisado por outra pessoa e por quem cuida do risco, com os limites de uso descritos. A inadimplência por safra é acompanhada todo mês, e desvio relevante abre uma investigação com prazo. 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.