Engenheiro(a) de Deep Learning Pleno (Linguagem Natural na Logística)

confidential; United States; Remote; USD 22,000 - 37,000; Full time

Benefits offered by this job

Remoto total

Flexibilidade de horário

Equipe internacional

Seguro de saúde

Job summary

A vaga de Engenheiro(a) de Deep Learning pleno (Linguagem Natural na Logística) é 100% remota, com contratação CLT ou PJ. O foco é treinar modelos que leiam mensagens logísticas em português, extraindo tipo de ocorrência, entidades e ações.

A equipe ajusta, quantifica e exporta modelos para ONNX, buscando inferência rápida e custo contido. Requisitos incluem NLP, PyTorch/TensorFlow, Python e conhecimento de normalização de textos em português informal.

Qualifications

• Modelos de linguagem baseados em transformers, com PyTorch ou TensorFlow.
• Ajuste fino para classificação de texto e reconhecimento de entidades.
• Métricas por classe e análise de erro em texto.

Responsibilities

• Montar o conjunto de rotulagem com guias claros e medir a concordância entre anotadores.
• Ajustar modelos de linguagem em português para classificação e extração de entidades.
• Usar aumento de dados e aprendizado com poucos exemplos para classes raras.
• Destilar e quantizar modelos para atender o limite de latência.
• Exportar para ONNX e medir o desempenho em CPU e em GPU.

Skills

NLP

Python

PyTorch

TensorFlow

Modelos de linguagem

Education

Mestrado ou equivalente em CS/ML

Tools

CUDA

ONNX

Docker

Git

Job description

Vaga aberta de Engenheiro(a) de Deep Learning Pleno (Linguagem Natural na Logística). 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:

Uma operadora logística recebe todos os dias milhares de mensagens livres: e-mails de ocorrência de entrega, anotações de motoristas, respostas de clientes e observações em conhecimentos de transporte. Em português informal, com abreviações, erros de digitação e nomes de cidades escritos de dez jeitos. Você vai treinar modelos de rede neural que leem esse texto e o transformam em dados: tipo de ocorrência, endereço, responsável e próximo passo.

O ponto de partida é um modelo de linguagem em português, ajustado para três tarefas: classificar o tipo da ocorrência, extrair entidades como cidade, placa, número de nota e horário, e identificar mensagens que exigem ação imediata. O desafio é conseguir qualidade com poucos exemplos rotulados, tratar o vocabulário de logística e entregar inferência rápida a custo contido, muitas vezes com modelos menores obtidos por destilação.

A avaliação usa métricas por tarefa, como F1 por tipo de ocorrência e por entidade, em um conjunto separado de mensagens reais, além de latência por mensagem e de custo por mil mensagens.

O que você vai fazer:

• Montar o conjunto de rotulagem com guias claros e medir a concordância entre anotadores
• Ajustar modelos de linguagem em português para classificação e para extração de entidades
• Usar aumento de dados e aprendizado com poucos exemplos para classes raras
• Destilar e quantizar modelos para atender o limite de latência
• Exportar para ONNX e medir o desempenho em CPU e em GPU
• Analisar erros por tipo de mensagem e por fonte para orientar a rotulagem seguinte
• Monitorar a deriva do vocabulário e o desempenho em produção

Requisitos:

• Modelos de linguagem baseados em transformers, com PyTorch ou TensorFlow
• Ajuste fino para classificação de texto e reconhecimento de entidades
• Métricas por classe e análise de erro em texto
• Treino em GPU e otimização para inferência
• Tratamento de texto em português informal
• Disposição para trabalhar a rotulagem junto com a operação

Diferenciais:

• Experiência com destilação de conhecimento
• Conhecimento de normalização de endereços e de geocodificação
• Aprendizado ativo para reduzir o custo de rotulagem
• Familiaridade com documentos fiscais de transporte

Como é trabalhar aqui:

Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em São Paulo, SP. O time acompanha os resultados em painel de métricas por tarefa e revisa em grupo, uma vez por semana, as mensagens em que o modelo errou. Cada nova versão só entra depois de superar a anterior no conjunto de referência. 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
• Processamento de linguagem natural
• Transformers

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