Engenheiro de Machine Learning Sr

VAGA ENGENHEIRO DE MACHINE LEARNING (SÊNIOR) | Grupo Easy

Local : 100% Home Office

Modalidade de Contratação : PJ ou Cooperado

Tempo de Projeto : Indeterminado

Responsabilidades principais

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 (ex. : regressão linear, regressão logística, árvores de decisão) e classificação tabular.

Análise exploratória de dados estruturados (ex. : Análise das componentes principais - 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) :

mAP@0.5, mAP@0.5 : 0.95.

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 (overconfidence).

Métricas de latência / throughput.

Consumo de GPU / CPU / memória em inferência.

Acha que preenche todos os requisitos e quer fazer parte do nosso time? Envie seu currículo para : 📨 dayane.crispim@grupoeasy.com.br

Com o assunto : [Vaga] – [Seu Nome]

hashtag#MachineLearning hashtag#DataScientist hashtag#AIEngineer hashtag#DeepLearning hashtag#MLOps hashtag#Python hashtag#TechLeadership hashtag#SeniorEngineer