Overview
Grupo CPA Santa Cruz do Sul, Rio Grande do Sul, Brazil
VAGA ENGENHEIRO DE MACHINE LEARNING (SÊNIOR) | Grupo EasyLocal: 100% Home Office. Modalidade de Contratação: PJ ou Cooperado. Tempo de Projeto: Indeterminado.
Responsabilidades
Anotar e preparar datasets de visão computacional.
Projetar, treinar, validar e otimizar modelos de deep learning para classificação, detecção e segmentação de imagens.
Treinar e implementar modelos YOLO (You Only Look Once) para tarefas de detecção de objetos.
Desenvolver e manter pipelines de inferência para execução eficiente em produção.
Implementar práticas de MLOps: CI/CD de modelos, versionamento de dados e de experimentos, monitoramento e re-treino automático.
Trabalhar 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 ferramentas como: AWS SageMaker Studio, MLflow, Kubeflow, Docker, Kubernetes, Airflow.
Conhecimento em boas práticas de engenharia de software (Git, testes automatizados, ambientes reprodutíveis).
Diferenciais
Experiência em dados estruturados: preparação de dataset, treinamento e inferência em problemas de regressão e classificação tabular.
Análise exploratória de dados estruturados (PCA, correlações, clustering com K-Means).
Otimização de modelos para edge devices (TensorRT, ONNX, quantização).
Contribuições para projetos open source ou publicações técnicas.
Métricas e gráficos que deve saber interpretar
Visão computacional (foco principal): 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 (IoU).
Learning curves (treino vs. validação).
Dados estruturados (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).
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.
Como se candidatar
Acha que preenche todos os requisitos e quer fazer parte do nosso time?
Envie seu currículo para: (e-mail oculto). Com o assunto: (Vaga) – (Seu Nome)
Hashtags relacionadas: #MachineLearning #DataScientist #AIEngineer #DeepLearning #MLOps #Python #TechLeadership #SeniorEngineer
#J-18808-Ljbffr