Engenheiro(a) de Deep Learning Pleno (Detecção de Objetos em Vídeo na Educação)

confidential; United States; Remote; USD 120,000 - 190,000; Full time

Job summary

A vaga é para Engenheiro(a) de Deep Learning Pleno com foco em detecção de objetos em vídeo para ambientes educacionais. O papel envolve liderar do conjunto de dados à inferência otimizada, treinando com PyTorch ou TensorFlow, e adaptando modelos para inferência em borda com ONNX/TensorRT.

O contratado trabalhará remotamente, com ênfase em privacidade de dados de imagem, especialmente com menores, e empacotará a inferência em Docker para implantação em unidades escolares.

Qualifications

• Prática em treinar e avaliar modelos de detecção e rastreamento em vídeo.
• PyTorch ou TensorFlow no nível de escrever laço de treino e avaliação próprios.
• Conhecimento de otimização para inferência, como conversão de formato, quantização e lotes.
• Rigor na construção de conjunto de avaliação com cenas que o treino não viu.
• Atenção a privacidade e proteção de dados de imagem, especialmente de menores.
• Python e Docker para empacotar o que foi treinado.

Responsibilities

• Montar o conjunto de dados rotulado a partir de cenas reais, com anonimização na origem
• Treinar detectores e rastreadores de objetos e pessoas em PyTorch para as cenas de cada ambiente
• Avaliar com métricas de detecção e de rastreamento separadas por iluminação, ângulo e densidade
• Aplicar aumento de dados e rotulagem ativa para focar nos erros mais frequentes
• Converter e otimizar o modelo com ONNX, quantização e TensorRT para caber no equipamento de borda
• Empacotar a inferência em Docker e medir a taxa de quadros e o uso da GPU na unidade
• Definir regras de alerta sobre as detecções para reduzir falsos positivos
• Documentar limites do modelo e quando ele não deve ser usado como única fonte de decisão

Skills

Detecção de objetos

Rastreamento de objetos

Python

Tools

PyTorch

TensorFlow

CUDA

ONNX

Docker

Git

Visão computacional

Otimização de inferência

Job description

Vaga aberta de Engenheiro(a) de Deep Learning Pleno (Detecção de Objetos em Vídeo na Educação). A empresa contratante é confidencial neste anúncio, e a seleção é conduzida pela Sylision.

Nível: pleno.

Modelo de trabalho: 100% Remoto.

Contratação: tempo integral, CLT ou PJ.

Sobre a vaga:

Instituições de ensino querem entender o que acontece em laboratórios, bibliotecas e quadras sem ninguém assistindo horas de gravação: ocupação de salas, uso de equipamentos, filas na entrada, itens deixados para trás e situações de risco como queda ou aglomeração perto de saída. Você vai criar modelos que detectam e acompanham objetos e pessoas em vídeo de câmeras já instaladas.

O cenário é difícil por causa da realidade escolar. A iluminação muda ao longo do dia, as câmeras ficam altas e inclinadas, estudantes se cruzam e se escondem uns atrás dos outros, e há regras estritas de privacidade, sobretudo quando as imagens envolvem menores. O sistema deve contar e alertar sem identificar ninguém, descartar o vídeo bruto o quanto antes e rodar em máquinas modestas dentro de cada unidade.

Medimos por precisão e cobertura de detecção por tipo de cena, por quadros processados por segundo no equipamento de borda e por alertas falsos por câmera por dia. Como pleno, você é responsável por toda a frente de detecção, do conjunto de dados à inferência otimizada.

O que você vai fazer:

• Montar o conjunto de dados rotulado a partir de cenas reais, com anonimização na origem
• Treinar detectores e rastreadores de objetos e pessoas em PyTorch para as cenas de cada ambiente
• Avaliar com métricas de detecção e de rastreamento separadas por iluminação, ângulo e densidade
• Aplicar aumento de dados e rotulagem ativa para focar nos erros mais frequentes
• Converter e otimizar o modelo com ONNX, quantização e TensorRT para caber no equipamento de borda
• Empacotar a inferência em Docker e medir a taxa de quadros e o uso da GPU na unidade
• Definir regras de alerta sobre as detecções para reduzir falsos positivos
• Documentar limites do modelo e quando ele não deve ser usado como única fonte de decisão

Requisitos:

• Prática em treinar e avaliar modelos de detecção e rastreamento em vídeo
• PyTorch ou TensorFlow no nível de escrever laço de treino e avaliação próprios
• Conhecimento de otimização para inferência, como conversão de formato, quantização e lotes
• Rigor na construção de conjunto de avaliação com cenas que o treino não viu
• Atenção a privacidade e proteção de dados de imagem, em especial de menores
• Python e Docker para empacotar o que foi treinado

Diferenciais:

• Ter implantado modelos em equipamento de borda com GPU modesta
• Experiência com contagem de pessoas e estimativa de multidão
• Conhecimento de técnicas para preservar a privacidade, como desfoque e anonimização
• Noção de aprendizado semissupervisionado para reduzir rótulos manuais
• Interesse em ambiente educacional e de segurança escolar

Como é trabalhar aqui:

Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em Minas Gerais. Treinos e conjuntos de avaliação são versionados, e cada mudança de modelo é apresentada com os números por tipo de cena antes de ir à unidade. O ritmo é de iterações curtas, com os alertas revisados em conjunto com a equipe de cada escola. Na candidatura, informe a sua pretensão salarial.

Benefícios oferecidos pela empresa contratante:

• Ambiente colaborativo, com senso de comunidade e conquistas celebradas em equipe
• Trabalhe de qualquer lugar, com liberdade e flexibilidade
• Conexão global: convivência com times de diferentes países e culturas
• Apoio à saúde física com TotalPass e Mediquo
• Cuidado com a saúde mental pelo programa Team Care
• Contratação e jornada definidas com a empresa contratante

Tecnologias envolvidas:

• Python
• PyTorch
• TensorFlow
• CUDA
• ONNX
• Docker
• Git
• Visão computacional
• Otimização de inferência

Seus dados: tratados conforme a LGPD, com remoção a qualquer momento, a pedido.