ResponsibilitiesAnotar 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 experimentos, monitoramento e retrain automático.Trabalhar em conjunto com engenheiros de software para integrar os modelos em sistemas e aplicações.Requisitos obrigatóriosConhecimento de Python em qualquer 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).DiferenciaisExperiência em dados estruturados: preparação de dataset, treinamento e inferência em problemas de regressão e classificação tabular.Análise exploratória de dados estruturados (PCA, análise de correlação, 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 interpretarVisão 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 (Interseção Sobre a União); Learning curves (treino vs. validação).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).MLOps / Produção: Gráficos de detecção de drift de dados; Distribuição de probabilidades de saída; Métricas de latência/throughput; Consumo de GPU/CPU/memória em inferência.Como candidatar-seEnvie seu currículo com o assunto: (Vaga) – (Seu Nome).SenioridadeMid-Senior levelTipo de contrataçãoFull-timeFunçãoEngineering and Information TechnologyIT Services and IT Consulting
#J-18808-Ljbffr