Desenvolva e mantenha pipelines de inferência eficientes para a produção, implementando práticas de MLOPS: CI/CD de modelos, versionamento de dados e experimentos, monitoramento e re-treino automático.
Trabalhe em conjunto com engenheiros de software para integrar os modelos em sistemas e aplicações.
Requisitos Obrigatórios:
* Conhecimento de Python em quaisquer das bibliotecas de ML/DL (PyTorch, TensorFlow, OpenCV).
* Experiência prática com YOLO treinamento e inferência em problemas de detecção de objetos.
* Experiência sólida em Visão Computacional (classificação, detecção, segmentação).
* Experiência em MLOPS com quaisquer das ferramentas: AWS SageMaker Studio, MLflow, Kubeflow, Docker, Kubernetes, Airflow.
* Conhecimento em Boas Práticas de Engenharia de Software (Git, testes automatizados, ambientes reprodutíveis).
Diferenciais:
1. Experiência em Dados Estruturados: preparação de dataset, treinamento e inferência em problemas de Regressão (ex.: Regressão Linear, Regressão Logística, Árvores de Decisão) e Classificação Tabular.
2. Análise Exploratória de Dados Estruturados (ex.: Análise das Componentes Principais - PCA, Análise de Correlação, Clustering com K-Means).
3. Otimização de Modelos para Edge Devices (TensorRT, ONNX, Quantização).
4. Contribuições para Projetos Abertos Fonte ou Publicações Técnicas.
5. Métricas e Gráficos que Deve Saber Interpretar:
6. Visão Computacional (Foco Principal):
* mMAP@0.5, mMAP@0.5:0.95.
* Curvas Precision-Recall (PR) e AP por Classe.
* Curva ROC e AUC.
* Matriz de Confusão.
* Curvas de Perda e Acurácia durante o Treinamento.
* Distribuição de IoU (Interseção sobre a União).
* Learning Curves (Treino vs. Validação).
7. Dados Estruturados (como Diferencial):
* Gráficos de Resíduos em Regressão.
* Curvas de Calibração de Probabilidade.
* Feature Importance, SHAP e PDP/ICE Plots.
* Heatmaps de Correlação e PCA (Scree Plot, Biplot).
8. MLOPS / Produção:
* Gráficos de Detecção de Drift de Dados.
* Distribuição de Probabilidades de Saída (Overconfidence).
* Métricas de Latência/Throughput.
* Consumo de GPU/CPU/Memória em Inferência.