VagaENGENHEIRO DE MACHINE LEARNING (SÊNIOR) | Grupo EasyLocal: 100% Home OfficeModalidade 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 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 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
Experiência 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 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.
Learning curves (treino vs. validação).
Dados estruturados (diferencial): gráficos de resíduos em regressão; curvas de calibração; feature importance, SHAP e PDP/ICE; heatmaps de correlação e PCA.
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
Acha que preenche todos os requisitos e quer fazer parte do nosso time?
Envie seu currículo para: (inserir contato) com o assunto: (Vaga) – (Seu Nome)
Spoiler / Publicação
Cientistas e Engenheiros de Dados com ênfase em GENAI
Jaboatão dos Guararapes, Pernambuco, Brazil
Postado há 3 meses / 3 dias
#J-18808-Ljbffr