Engenheiro(a) de Machine Learning – Avaliação de Risco e Monitoramento de Modelos

Vaga não está no LinkedIn

🔥 58 minutos atrás

💃 América Latina – Remoto

⏰ Tempo Integral

🟡 Pleno

🟠 Sênior

🤖 Engenheiro de Machine Learning

👻 Score fantasma 25%

O que significa: a chance de ninguém estar realmente contratando para esta vaga.Como ler: 60% ou mais significa que achamos que é uma vaga fantasma. Pontuações mais baixas preocupam menos.Como pontuamos: tempo em aberto, republicações, vagas abertas vs tamanho do time, rapidez para fechar vagas, e se o salário está divulgado.Observação: é uma estimativa de dados públicos, não um julgamento da empresa. Vagas reais podem ter pontuação alta, então use como uma dica, não como um fato.

Candidatar-se

Encontrar Vagas Remotas Similares

Chiri

SiteLinkedInTodas as Vagas

11 - 50 funcionários

Fundada em 2025

🤖 Inteligência Artificial

🤝 B2B

☁️ SaaS

Artificial Intelligence • B2B • SaaS

A Chiri é uma provedora de serviços gerenciados de IA (MSP) que desenvolve aplicações e agentes de IA específicos para cada empresa em uma plataforma compartilhada chamada Chiri Brain. A empresa integra pequenos pods sêniores de engenheiros e profissionais de operações às equipes dos clientes para definir o escopo do trabalho, entregar MVPs, conectar-se aos softwares existentes e escalar até a produção em nível enterprise, mantendo uma memória organizacional persistente (Ontology), uma camada de integração (Sherpa) e uma camada de segurança e validação (Glacier). Sua oferta prioriza evitar a dependência de um fornecedor específico de modelos, mantendo o contexto independente do modelo, além de oferecer governança, permissões, auditabilidade e infraestrutura de IA. A Chiri atende empresas que buscam levar a IA de projetos-piloto à produção, oferecendo definição de escopo baseada em ROI, curto time-to-MVP e suporte operacional contínuo, enquanto a plataforma Brain mantém essa capacidade após a saída do pod.

Descrição

• Desenvolver e avaliar modelos preditivos usando XGBoost, LightGBM e CatBoost para avaliação de risco, classificação e suporte à tomada de decisões relacionadas • Comparar o desempenho de machine learning com regras determinísticas e benchmarks históricos • Detectar alterações nas distribuições de entrada, no comportamento das previsões e na precisão dos modelos, com alertas quando o desempenho ficar abaixo dos limites definidos • Criar ciclos de feedback usando dados de resultados recém-disponíveis, com procedimentos de retreinamento e validação • Identificar e prevenir target leakage, temporal leakage, proxy leakage e vieses não intencionais nas features dos modelos • Implementar pipelines de modelos reprodutíveis, monitoramento, relatórios de desempenho, explicabilidade e implantação controlada de modelos • Determinar onde o machine learning agrega valor preditivo mensurável a uma plataforma de saúde e finanças farmacêuticas • Explicar o desempenho, as limitações e as implicações de negócio dos modelos para stakeholders técnicos e não técnicos

🎯 Requisitos

• Sólida experiência com machine learning em produção usando Python • Experiência prática com XGBoost, LightGBM, CatBoost ou frameworks comparáveis de árvores com gradient boosting • Conhecimento aprofundado de estatística, feature engineering, avaliação de modelos, calibração e validação temporal • Experiência na detecção e no gerenciamento de data drift, concept drift, degradação de modelos e gatilhos de retreinamento • Experiência comprovada na prevenção de data leakage e na identificação de variáveis proxy que comprometem a validade dos modelos • Experiência no desenvolvimento de pipelines de ML para produção, com monitoramento, testes e reprodutibilidade automatizados • Capacidade de explicar o desempenho, as limitações e as implicações de negócio dos modelos para stakeholders técnicos e não técnicos • Experiência nos setores de saúde, farmácia, risco financeiro, credit scoring ou análise de sinistros • Experiência com rótulos de resultados defasados e datasets históricos de transações • Experiência na implantação de modelos interpretáveis em ambientes regulados • Experiência na combinação de regras determinísticas com modelos probabilísticos

🏖️ Benefícios

• Oportunidade de ajudar a estabelecer uma abordagem rigorosa e mensurável para machine learning em um ambiente de negócios de alto risco.

📊 Verifique sua pontuação de currículo para esta vaga

Melhore suas chances de conseguir uma entrevista verificando sua pontuação de currículo antes de se candidatar.

Enviar Currículo