OverviewGrupo CPA Duque de Caxias, Rio de Janeiro, BrazilVagaEngenheiro de Machine Learning (Sênior) - Grupo EasyLocal: 100% Home OfficeModalidade de Contratação: PJ ou CooperadoTempo de Projeto: IndeterminadoResponsibilitiesAnotar 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 re-treino automático.Trabalhar em conjunto com engenheiros de software para integrar os modelos em sistemas e aplicações.Requisitos obrigatóriosConhecimento 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).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 e AP por classe; Curva ROC e AUC; Matriz de confusão; Curvas de perda e acurácia; Distribuição de IoU.Learning curves (treino vs. validação).Dados estruturados (diferencial): gráficos de resíduos, curvas de calibração, feature importance, SHAP e PDP/ICE; heatmaps de correlação e PCA.MLOps / produção: gráficos de drift de dados; distribuição de probabilidades de saída (overconfidence); métricas de latência/throughput; consumo de recursos em inferência.Como se candidatarEnvie seu currículo para: (informação removida). Com o assunto: (Vaga) – (Seu Nome)Observação: o anúncio pode conter outras vagas/posições de dados; verifique a descrição completa para o cargo de interesse.
#J-18808-Ljbffr