Engenheiro(a) de Deep Learning Pleno (Reconhecimento de Fala no Varejo)

Sylision; United States; Remote; USD 18,000 - 31,000; Full time

Job summary

A Sylision abre vaga para Engenheiro(a) de Deep Learning Pleno (Reconhecimento de Fala no Varejo), atuação 100% remota, contratação CLT ou PJ, para cliente confidencial fornecido pela empresa. Você vai adaptar e treinar modelos de fala para transcrição em ambiente de varejo, definindo regras de transcrição, preparando dados de áudio com ruído, e buscando reduzir erros e latência.

O cargo envolve treino em GPU, exportação para ONNX, otimização de inferência com quantização, monitoramento de

Qualifications

• Experiência com redes neurais para fala usando PyTorch.
• Processamento de sinal de áudio: espectrogramas e ruído.
• Experiência em treino em GPU e controle de experimentos reprodutíveis.

Responsibilities

• Preparar o conjunto de áudio com segmentação e limpeza.
• Definir regras de transcrição para números, siglas e marcas.
• Adaptar o modelo acústico e de linguagem ao vocabulário de varejo.
• Treinar em GPU com aumento de dados simulando ruído.
• Medir taxa de erro de palavras por fatia.
• Exportar para ONNX e reduzir latência com quantização.
• Construir a transcrição em fluxo com texto parcial estável.
• Monitorar a qualidade em produção com revisões humanas.

Skills

Deep learning

GPU training

Tools

PyTorch

ONNX

CUDA

Docker

Git

Job description

Vaga aberta de Engenheiro(a) de Deep Learning Pleno (Reconhecimento de Fala no Varejo). 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:

A central de atendimento de uma rede de varejo e o televendas gravam milhares de horas de ligação por semana, em áudio telefônico estreito, com ruído de loja ao fundo, sotaques de todo o país e um vocabulário cheio de nomes de produto, marca e código de promoção. O modelo de reconhecimento de fala tem de transcrever isso para alimentar o preenchimento do pedido e a análise de atendimento.

O modelo genérico tropeça justamente no que vale dinheiro: o nome da marca, a medida do eletrodoméstico, o número do pedido ditado dígito a dígito. Também há o requisito de tempo, porque a transcrição parcial tem de aparecer enquanto a pessoa ainda fala. Você vai adaptar e treinar o modelo, e levá-lo à inferência dentro de um orçamento de GPU.

O que mede o trabalho é a taxa de erro de palavras, separada para termos de produto e para números, a latência entre a fala e o texto parcial e o custo de GPU por hora de áudio.

O que você vai fazer:

• Preparar o conjunto de áudio: segmentação, limpeza, normalização e amostragem por região e por tipo de ruído
• Definir com a anotação as regras de transcrição para números, siglas e nomes de marca
• Adaptar o modelo acústico e de linguagem ao vocabulário de varejo
• Treinar em GPU com aumento de dados que simule canal telefônico e ruído de ambiente
• Medir a taxa de erro de palavras por fatia, e não só a média geral
• Exportar para ONNX e reduzir latência com quantização e processamento em lote
• Construir a transcrição em fluxo com texto parcial estável
• Monitorar a qualidade em produção com amostras revisadas por pessoas

Requisitos:

• Redes neurais para fala ou para áudio, com PyTorch
• Processamento de sinal de áudio: espectrogramas, taxa de amostragem e ruído
• Treino em GPU, com controle de experimento e reprodutibilidade
• Métricas de reconhecimento de fala e leitura de erros por categoria
• Noção de exportação e otimização para inferência
• Docker e Git no fluxo de entrega

Diferenciais:

• Reconhecimento de fala em fluxo contínuo
• Modelos de linguagem para correção de vocabulário específicoTensorRT ou outro motor de inferência acelerada
• Separação de falantes, para distinguir atendente e cliente
• Cuidado com anonimização de áudio e gravações, de acordo com a LGPD

Como é trabalhar aqui:

Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em Minas Gerais. O trabalho anda em ciclos curtos de treino e avaliação, e cada experimento deixa registrado o que mudou e o efeito na taxa de erro por fatia. Há revisão de código e conversa semanal com a equipe que usa as transcrições para entender os erros que mais atrapalham. 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
• ONNX
• CUDA
• Processamento de áudio
• Otimização de inferência
• Docker
• Git

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