CI&T logo

CI&T

[Job-31453]Senior ML Engineer (B2B Personalization), Brasil

Work from home

Remote role where the employee must remain based in a particular country.

This advert is written in Portuguese. Nomaders shows it exactly as the employer published it. Nothing is translated.

Brazil only

From the listing details: Source listing states candidate location: "Brazil, remote"

Employer listed it 3 months ago · Added 8 weeks ago

Listed for 30 days before it closed.

This job has closed

CI&T has taken this listing down, so it is no longer accepting applications. The details below are kept for reference only.

Browse open roles

Salary

Not stated

Location

Brazil only

Timezone

Not stated

Contract

Full-time

Experience

Senior

Category

Data

The employer did not publish a salary, and we have too few comparable roles to estimate one.

What the advert says

Quoted word for word from the employer's advert. Where it says nothing, we say so.

Working hours
Not mentioned in the advert
Where you can work from
Importante : se você reside na Região Metropolitana de Campinas, sua presença nos escritórios da cidade será obrigatória, conforme a política de frequencia vigente.
Contract
Not mentioned in the advert
Experience asked for
Not mentioned in the advert
Pay
Not mentioned in the advert

Remote flexibility

Work from home

This is a remote role, but the employee must be based in Brazil. It is work from home rather than work from anywhere.

What the employer says

  • Source listing states candidate location: "Brazil, remote"

What Nomaders makes of it

  • Residency required in Brazil
  • Payroll and tax are likely handled in that country only

The quotes above are the employer's own words; the reading is ours. Always check the original listing and employment terms before working from another country.

Before you apply

Questions worth asking: Nomaders interpretation

  • No pay is stated. Ask for the salary range before investing time in interviews.
  • The advert does not say whether this is employment or a contractor arrangement. Ask, as it affects tax and benefits.

Produced automatically from this advert's text; not reviewed by a person. The employer's own page is the final word.

About the role

Na CI&T , ajudamos grandes empresas a transformar o potencial da AI em impacto real nos negócios com AI Deployment, execução AI-native e tech-integrated business solutions.

Com 30 anos de experiência em transformação tecnológica, aceleramos inovação com expertise em agentic SDLC, application modernization, Data & AI, martech e business strategy.

Somos 8.000 CI&Ters em mais de 25 países, colaborando para construir soluções com impacto real. AI já faz parte da forma como trabalhamos, evoluímos e inovamos todos os dias.

Importante : se você reside na Região Metropolitana de Campinas, sua presença nos escritórios da cidade será obrigatória, conforme a política de frequencia vigente.

Estamos explorando uma nova capability de personalização inteligente de ofertas e experiências para clientes B2B — contas empresariais com múltiplos pontos de contato, contratos de serviço recorrente e ciclos de decisão que combinam uso operacional, relacionamento comercial e atendimento (por exemplo: gestão de frotas comerciais, contratos B2B de serviço continuado, operações com múltiplas unidades). Nossos clientes deixam continuamente sinais — telemetria/uso operacional, histórico comercial (CRM), atendimento e serviço, frequência, jornada e intenção. Queremos transformar esses sinais em inteligência capaz de reconhecer padrões, identificar similaridades entre contas e, principalmente, adaptar dinamicamente a oferta e a experiência para cada uma. Estamos procurando uma pessoa que consiga transformar essa hipótese em um experimento real, mensurável e evolutivo — validado primeiro em ambiente controlado (sandbox / PoC) antes de qualquer decisão de escala ou produção. Não buscamos alguém para simplesmente construir um modelo de clustering. “Conseguimos transformar comportamento e histórico de uma conta B2B em decisões melhores sobre a oferta e a experiência comercial?”

Responsabilidades:

Você será responsável por conduzir tecnicamente o primeiro ciclo dessa capability, desde a exploração dos dados até a construção de um protótipo funcional e sua validação em ambiente controlado. • Explorar grandes volumes de dados comportamentais e operacionais de contas B2B. • Identificar padrões e similaridades entre contas/clientes empresariais. • Experimentar técnicas de clustering, embeddings e representação comportamental. • Construir features e representações capazes de capturar contexto operacional, comercial e de atendimento. • Desenvolver modelos de propensity, recommendation ou next-best-action quando fizer sentido. • Explorar uso de IA generativa/agentic para transformar recomendações em ações concretas (ex: geração de propostas comerciais personalizadas). • Transformar insights analíticos em decisões aplicáveis à oferta/experiência comercial. • Construir rapidamente protótipos e MVPs em ambiente sandbox/controlado. • Desenhar experimentos controlados e frameworks de medição de impacto — mesmo quando a execução completa em produção ficar para uma fase posterior. • Medir impacto e uplift projetado. • Estabelecer mecanismos de feedback para evolução dos modelos. • Trabalhar próximo de Product, UX, arquitetura/engenharia de IA e especialistas de negócio. • Ajudar a definir, junto à arquitetura, o caminho de evolução do protótipo para uma capability escalável.

Requisitos:

• Machine Learning aplicado a problemas reais. • Clustering e técnicas de aprendizado não supervisionado. • Feature engineering. • Recommendation systems. • Propensity modeling. • Similarity models. • Embeddings e representação de comportamento. • Avaliação e experimentação de modelos. Será valorizada familiaridade com K-Means, hierarchical clustering, DBSCAN/HDBSCAN, Gaussian Mixture Models, PCA/UMAP, vector embeddings e nearest-neighbor / similarity search. Mais importante que dominar todas essas técnicas é saber quando utilizá-las, quando não utilizá-las e como provar se elas geram valor. *Data Engineering* • SQL avançado. • Python. • Pipelines de dados e feature pipelines. • Processamento de grandes volumes de dados. • Data lakes / warehouses. • Dados estruturados e eventos comportamentais/operacionais. • APIs e serviços para disponibilização de modelos. Não precisa ser um Data Engineer especializado em infraestrutura, mas deve conseguir sair da análise exploratória e chegar a um protótipo funcionando. IA Generativa & Agentic (diferencial forte) • Uso de LLMs para geração de texto/recomendação contextualizada (ex: propostas comerciais personalizadas por conta). • Noção de arquiteturas agente-a-agente (A2A) e protocolos abertos de orquestração (MCP) — não precisa ser especialista, mas deve saber colaborar com a arquitetura que os implementa.

*Experimentação* Essa posição exige forte orientação a hipóteses. Você deverá saber transformar uma suposição sobre comportamento em uma hipótese testável, criar uma intervenção, estabelecer grupo de controle e medir impacto. • A/B testing. • Experiment design. • Causal inference. • Uplift. • Métricas de negócio. • Análise estatística. • Model evaluation. • Feedback loops. Dado o ciclo de venda B2B mais longo e a base de contas geralmente menor que em cenários B2C, nem sempre será possível rodar um A/B test real dentro do primeiro ciclo de validação. Nesses casos, o entregável esperado é o framework de experimentação desenhado e pronto para rodar assim que uma fase de escala for aprovada — não a execução completa em produção. O diferencial: pensar além do modelo Queremos alguém que consiga conectar: Behavior → Context → Intelligence → Decision → Experience → Outcome e não apenas: Data → Model → Prediction Você deverá ser capaz de discutir perguntas como: • O que caracteriza o comportamento de uma conta B2B? • Quais sinais são realmente relevantes? • Clusters descobertos estatisticamente fazem sentido para o negócio? • Como identificar mudanças de comportamento? • Como combinar histórico com contexto operacional em tempo real? • Como transformar uma similaridade em uma decisão? • Como decidir qual oferta/experiência apresentar? • Como medir se a personalização realmente funciona? • Como evitar que a personalização gere apenas mais complexidade? • Como criar um feedback loop que permita ao sistema aprender continuamente? Conhecimentos desejáveis • Customer Data Platforms. • Personalization engines. • Recommendation systems. • Real-time decisioning. • Marketing technology. • Digital products. • B2B / mobilidade / gestão de frotas (desejável, não obrigatório). • Experimentation platforms. • Feature stores. • Vector databases. • MLOps. • Real-time ML. Perfil que procuramos • Forte curiosidade intelectual.

• Orientação a experimentação. • Capacidade de trabalhar com problemas pouco definidos. • Capacidade de transformar hipóteses em protótipos. • Boa transição entre Data Science, Engineering e Product. • Pragmatismo para colocar algo funcionando rapidamente. • Capacidade de distinguir complexidade técnica de valor para o cliente. • Habilidade para explicar conceitos sofisticados de forma simples para stakeholders de negócio. • Mentalidade de produto. • Conforto trabalhando em ambientes de alta ambiguidade.

#LI-RR2

Requirements

The employer hasn't listed requirements separately, they're described in the role summary above and on the original listing.

Benefits

No benefits package published with this listing. Ask about it at first interview.

Applying

This listing has closed, so there is no application link. The details above are kept for reference only.

Found 2mo ago. Last checked 11 Oct. Always confirm the details on the original posting, salary and location can change after publication.

Listing sourced from Company boards.

Similar open jobs

Browse all open roles
Find roles that are still open

This role is closed, applications are no longer accepted.