Resumo da Vaga
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 de experimentos, monitoramento e retreinamento 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, correlações, 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 devem ser interpretados
- Visão computacional (foco principal): curvas Precision-Recall, AP por classe, curva ROC/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/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 GPU/CPU/memória em inferência.
Como candidatar-se
Envie seu currículo para: ******. Com o assunto: (Vaga) – (Seu Nome).
Hashtags
#MachineLearning #DataScientist #AIEngineer #DeepLearning #MLOps #Python #TechLeadership #SeniorEngineer