Engenheiro De Machine Learning Sr

OverviewVAGA ENGENHEIRO DE MACHINE LEARNING (SÊNIOR) | Grupo EasyLocal : 100% Home Office.

Modalidade de Contratação : PJ ou Cooperado.

Tempo de Projeto : Indeterminado.Responsabilidades principaisAnotar 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) : curas 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 / PDP), heatmaps de correlação e PCA.MLOps / produção : gráficos de drift de dados, distribuição de probabilidades de saída, detecção de overconfidence, métricas de latência / throughput, consumo de GPU / CPU / memória em inferência.Como candidatar-seAcha que preenche todos os requisitos e quer fazer parte do nosso time?

Envie seu currículo para :

• com o assunto : (Vaga) – (Seu Nome).

Observação : este anúncio pode conter termos de variados canais de divulgação; mantenha as informações relevantes para a candidatura.

#J-18808-Ljbffr