Anunciada dia 16 junho
Missão do cargo
Formação Acadêmica - Graduação em Ciência da Computação, Engenharia da Computação ou áreas correlatas; - Mestrado ou Doutorado em Inteligência Artificial, Processamento de Linguagem Natural (NLP), Aprendizado de Máquina, Deep Learning ou áreas afins. Principais Atividades - Pesquisa Científica e Liderança Técnica; - Definir hipóteses científicas, protocolos experimentais e métricas de avaliação; - Planejar e executar experimentos para validação de novos modelos, arquiteturas e metodologias; - Conduzir estudos comparativos e análises estatísticas de desempenho; - Orientar pesquisadores, analistas e engenheiros na condução de atividades de P&D; - Garantir rigor científico, reprodutibilidade e conformidade metodológica; - Redigir e revisar artigos científicos, relatórios técnicos e patentes; - Apoiar a elaboração de propostas técnicas para projetos financiados por agências de fomento. Principais Habilidades - Atuação sólida em pesquisa aplicada e desenvolvimento experimental em IA; - Domínio de métodos científicos, desenho experimental e análise estatística; - Capacidade de transformar desafios científicos em soluções tecnológicas com impacto; - Experiência na comunicação de resultados científicos para públicos técnicos, gestores e agências de fomento; - Conhecimento em modelos de Linguagem de Grande Escala (LLMs), NLP avançado e Visão Computacional; - Dominar Machine Learning e Deep Learning supervisionado, não supervisionado e auto-supervisionado; - Entender sobre avaliação de modelos, definição de métricas e análise de desempenho; - Dominar escrita, revisão e submissão de artigos científicos, escrita técnica para patentes, relatórios técnicos e documentos de projetos de P&D. Habilidades desejáveis - Publicações em conferências e periódicos científicos relevantes em IA/Software Engineering; - Experiência com modelos multimodais (texto, áudio, vídeo e sensores); - Atuação prévia em centros de pesquisa, laboratórios de P&D ou projetos financiados por agências públicas; - Experiência em projetos colaborativos academia-indústria. Tecnologias - Linguagens: Python (avançado), Bash, C/C++; - Frameworks e Bibliotecas de IA: PyTorch, TensorFlow, Hugging Face (Transformers, Datasets), Scikit-learn; - NLP e LLMs: Fine-tuning, RAG (Retrieval-Augmented Generation), Prompt Engineering, avaliação e benchmarking de modelos; - MLOps para Pesquisa: Docker, Kubernetes, Git, CI/CD, versionamento de dados e experimentos (DVC, LakeFS); - Engenharia de Dados: SQL, NoSQL, pipeline de dados; - Arquitetura de Software Científico: APIs REST, microsserviços, reprodutibilidade e rastreabilidade de experimentos; - Monitoramento Científico: Métricas de modelos, detecção de drift de dados e auditoria de experimentos. Idioma - Inglês Avançado.
