Engenheiro(a) de Deep Learning Pleno (Detecção de Objetos em Vídeo no Agronegócio)

Sylision; United States; A distancia; USD 22.000 - 33.000; Jornada completa

Ventajas ofrecidas por este puesto de trabajo

Ambiente colaborativo

Flexibilidade remota total

Conexão global

TotalPass & Mediquo

Team Care

Descripción de la vacante

A Sylision busca um Engenheiro(a) de Deep Learning Pleno para desenvolver sistemas de detecção de objetos em vídeo aplicados ao agronegócio, com atuação 100% remota. O papel envolve treinamento, avaliação e otimização de modelos para hardware de campo, incluindo exportação ONNX e quantização.

Você trabalhará com PyTorch, TensorFlow e CUDA, buscando soluções robustas para condições reais de campo, com dados desbalanceados e variações de iluminação. A vaga aceita CLT ou PJ, conforme cliente.

Formación

• Experiência prática com PyTorch para visão computacional e detecção de objetos.
• Conhecimento em rastreamento de objetos e métricas de avaliação.
• Experiência com inferência quantizada ONNX e otimização de modelos.
• Python limpo, versionado e com testes.

Responsabilidades

• Organizar e melhorar a anotação de vídeos, avaliando a qualidade dos rótulos.
• Treinar e ajustar detectores em PyTorch com augmentação para várias condições.
• Avaliar com métricas como mAP, contagem de animais e taxa de alarmes por hora.
• Rastrear objetos entre quadros para contagem sem duplicar animais.
• Otimizar modelos para hardware de campo com quantização e exportação ONNX.
• Empacotar a inferência em Docker e testar desempenho no hardware real.

Conocimientos

PyTorch

Detecção de objetos

Rastreamento

ONNX quantização

Herramientas

CUDA

TensorFlow

ONNX

Docker

Git

Descripción del empleo

Vaga aberta de Engenheiro(a) de Deep Learning Pleno (Detecção de Objetos em Vídeo no Agronegócio). 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:

Câmeras fixas e drones registram vídeo de pastos, currais e plantações, e alguém precisa assistir para contar animais, achar cercas caídas ou identificar trechos com falha de plantio e plantas daninhas. Você vai construir os modelos de detecção de objetos que fazem essa leitura de forma automática e entregam um alerta com local e horário.

O desafio é o mundo real: luz que muda ao longo do dia, poeira, chuva, objetos pequenos vistos de longe, animais parcialmente escondidos e imagens de drone em ângulos variados. Os dados rotulados são caros e desbalanceados, o que pede atenção à anotação, a técnicas de aumento de dados e a uma avaliação por condição (manhã, tarde, nublado). A métrica que importa vem do uso: o erro de contagem aceitável e a taxa de alarme falso por hora.

Boa parte da inferência acontece em equipamento no campo, com pouca energia e rede instável. Isso exige modelo compacto, exportação para ONNX, quantização e testes de velocidade em hardware real.

O que você vai fazer:

• Organizar e melhorar a anotação de vídeos, medindo a qualidade dos rótulos
• Treinar e ajustar detectores em PyTorch, com aumento de dados para luz, poeira e ângulos variados
• Avaliar com mAP, erro de contagem e taxa de alarme falso por condição de cenário
• Rastrear objetos entre quadros para contar sem repetir o mesmo animal
• Otimizar o modelo para o equipamento do campo, com quantização e exportação em ONNX
• Usar GPU de treino de forma eficiente e registrar experimentos de forma reprodutível
• Empacotar a inferência em Docker e testar velocidade e consumo no hardware real

Requisitos:

• PyTorch para visão computacional e detecção de objetos
• Conhecimento de arquiteturas de detecção e de rastreamento
• Cuidado com avaliação por condição e com dado desbalanceado
• Noções de otimização de inferência com ONNX e quantização
• Python limpo, testado e versionado em Git
• Capacidade de investigar os erros do modelo olhando imagens reais

Diferenciais:

• Experiência com TensorFlow e com CUDA
• Contato com imagens de drone ou de sensoriamento remoto
• Prática em dispositivos de borda, como Jetson ou similares
• Conhecimento de agropecuária ou de monitoramento rural
• Experiência com ferramenta de anotação de vídeo

Como é trabalhar aqui:

Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em Minas Gerais. Os modelos são avaliados com vídeos novos do campo antes de qualquer troca, e as falhas encontradas são discutidas em revisão semanal com quem conhece a rotina da fazenda. 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
• Detecção de objetos

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