Engenheiro De Machine Learning Sr

Overview

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

Modalidade 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) : curtas de precisão / recall por classe, PR curves, 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 plots, heatmaps de correlação e PCA (scree plot, biplot).

MLOps / produção : gráficos de drift de dados, distribuição de probabilidades de saída (overconfidence).

Métricas de latência / throughput; consumo de GPU / CPU / memória em inferência.

Como se candidatar

Acha que preenche todos os requisitos e quer fazer parte do nosso time?

Envie seu currículo para :

Com o assunto : (Vaga) – (Seu Nome)

#J-18808-Ljbffr