Engenheiro(a) de Machine Learning Sênior (Monitoramento de Modelos na Saúde)

Vaga aberta de Engenheiro(a) de Machine Learning Sênior (Monitoramento de Modelos na Saúde) . A empresa contratante é confidencial neste anúncio, e a seleção é conduzida pela Sylision. Nível: senior. Modelo de trabalho: 100% Remoto. Contratação: tempo integral, CLT ou PJ. Sobre a vaga: Numa empresa de saúde, modelos de classificação de risco de internação, de previsão de absenteísmo em consultas e de apoio à triagem já estão em produção. Quase ninguém olha para eles depois da entrega. O perfil dos pacientes muda, um laboratório altera a unidade de um exame, um sistema passa a enviar um campo vazio, e o modelo continua respondendo com a mesma segurança aparente. Você vai montar o monitoramento que mostra quando os modelos deixam de merecer confiança. O desafio específico da saúde é que o desfecho real demora a aparecer: a internação ocorre semanas depois da previsão, então a degradação só se vê tarde. O monitoramento precisa trabalhar com sinais antecipados, como deriva de entrada, mudança na distribuição das previsões e qualidade dos dados, e com métricas de desempenho calculadas assim que o rótulo chega. Também deve observar o desempenho por subgrupo, pois um modelo pode ficar bom na média e ruim para uma faixa etária. O sucesso se mede por tempo para detectar uma degradação, alertas acionáveis sem excesso de ruído e decisões documentadas de retreino ou aposentadoria. Sendo sênior, o padrão de monitoramento e o plano de resposta a incidentes são suas decisões. O que você vai fazer: Definir para cada modelo as métricas de saúde: dados de entrada, previsões e desempenho com rótulo tardio Implementar detecção de deriva e de dado ausente ou fora de faixa nas variáveis de entrada Calcular desempenho por subgrupo, como faixa etária e unidade, quando o desfecho for conhecido Configurar alertas com limites ajustados para evitar ruído Construir painéis e relatórios periódicos de saúde dos modelos Escrever o plano de resposta: quando congelar, retreinar ou retirar um modelo Automatizar o retreino no Airflow com validação antes da troca, registrando no MLflow Orientar o time e conduzir a revisão de incidentes de modelo Requisitos: Monitoramento de modelos em produção: deriva de dados, de conceito e de desempenho Python, scikit-learn e XGBoost, com registro e versionamento de modelos SQL para reconstruir previsões e desfechos ao longo do tempo Orquestração e contêineres em ambiente de produção Análise por subgrupo e noções de equidade Cuidado com dados de saúde sob a LGPD Diferenciais: Experiência com modelos clínicos ou operacionais em saúde Conhecimento de ferramentas de observabilidade de modelos de código aberto Prática em calibração de probabilidades e sua monitoração Hábito de escrever relatórios curtos de incidente com lições aprendidas Como é trabalhar aqui: Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em Minas Gerais. Os alertas de modelo seguem uma rotina combinada de plantão e as mudanças no monitoramento passam por revisão de outra pessoa. Uma vez por mês, os modelos em produção são revistos em conjunto com as áreas que dependem deles. 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 envolvidas: Python scikit-learn XGBoost MLflow SQL Docker Airflow Git Monitoramento de modelos Seus dados: tratados conforme a LGPD, com remoção a qualquer momento, a pedido. #J-18808-Ljbffr Sylision