Engenheiro(a) de Deep Learning Sênior (Análise de Imagens em Meios de Pagamento)

confidential; United States; Remote; USD 33,000 - 55,000; Full time

Benefits offered by this job

Trabalho remoto 100%

Flexibilidade de jornada

Colaboração com equipes internacionais

Apoio à saúde

Desenvolvimento profissional

Job summary

Sylision está contratando um(a) Engenheiro(a) de Deep Learning Sênior para trabalhar em análise de imagens de meios de pagamento. A posição é 100% remota, com contratação CLT ou PJ, para cliente sediado em São Paulo.

O foco é leitura de documentos, verificação de autenticidade e comparação facial com latência inferior a 1 segundo em dispositivos móveis ou servidor. O candidato ideal possui experiência em visão computacional, redes CNN/Trees, PyTorch ou TensorFlow, além de habilidades em ONNX,

Qualifications

• Visão computacional com redes convolucionais e transformers de visão.
• Treinamento de modelos com GPU usando PyTorch ou TensorFlow.
• Métricas por grupo demográfico e análise de erros em dados desbalanceados.

Responsibilities

• Treinar modelos de detecção de documentos, leitura de campos e verificação de autenticidade.
• Construir e manter conjunto rotulado incluindo ataques de apresentação e imagens ruins.
• Medir FP/FN por grupo demográfico e por classe para reduzir vieses.
• Otimizar a inferência com ONNX, quantização e GPU para latência baixa em produção.
• Aplicar aumentos de dados para refletir reflexo, baixa iluminação e recortes tortos.
• Tratar dados biométricos como dados sensíveis conforme LGPD e controlar acesso.

Skills

Visão computacional

Transformers de visão

Treinamento em GPU

Otimização de modelos

Tools

PyTorch

TensorFlow

CUDA

ONNX

Docker

Git

Job description

Vaga aberta de Engenheiro(a) de Deep Learning Sênior (Análise de Imagens em Meios de Pagamento). A empresa contratante é confidencial neste anúncio, e a seleção é conduzida pela Sylision.

Nível: senior.

Modelo de trabalho: 100% Remoto.

Contratação: tempo integral, CLT ou PJ.

Sobre a vaga:

No cadastro de lojistas e na prova de vida de pessoas que abrem conta, o fluxo exige foto de documento e foto do rosto. As imagens chegam de celulares baratos, com pouca luz, reflexo no plástico do documento, dedo sobre o campo e recortes tortos. Você vai construir os modelos de visão que leem esses documentos, verificam se o documento é autêntico e comparam o rosto, para aprovar rápido quem é legítimo e barrar fraude.

Os erros custam nos dois sentidos. Falso positivo frustra uma pessoa honesta e perde um cliente na etapa de cadastro; falso negativo deixa passar um documento adulterado ou uma foto de foto. Há ataques específicos, como impressão do rosto de outra pessoa, tela de celular e deepfake, e o conjunto de dados precisa representar esses casos. Também existe viés: a taxa de erro da comparação facial precisa ser medida por tom de pele, gênero e faixa etária, e não só em média.

Como sênior, você decide as arquiteturas, os dados que faltam rotular, a otimização para responder em menos de um segundo no celular ou no servidor, e responde por demonstrar que o desempenho é parecido entre grupos.

O que você vai fazer:

• Treinar modelos de detecção de documento, leitura de campos e verificação de autenticidade
• Construir e manter o conjunto rotulado, incluindo ataques de apresentação e imagens ruins reais
• Medir falsos positivos e falsos negativos em cada etapa e por grupo demográfico
• Otimizar a inferência com ONNX, quantização e GPU para latência baixa em produção
• Aplicar aumento de dados que reproduza reflexo, desfoque, pouca luz e recortes tortos
• Tratar imagens biométricas como dado pessoal sensível, com retenção e acesso mínimos conforme a LGPD
• Monitorar a taxa de rejeição e de fraude após a implantação e retreinar com os novos casos

Requisitos:

• Visão computacional com redes convolucionais e transformadores de visão
• PyTorch ou TensorFlow com treino em GPU
• Métricas por classe e por grupo, e análise de erros em conjuntos desbalanceados
• Otimização de modelos para inferência, como ONNX e quantização
• Cuidado com dados biométricos e com viés em reconhecimento facial
• Docker, Git e revisão de código

Diferenciais:

• Ter trabalhado com leitura de documentos ou com verificação de identidade
• Conhecimento de detecção de ataques de apresentação e de deepfake
• Experiência com modelos executados no próprio dispositivo
• Prática com rotulagem ativa para escolher as próximas imagens a rotular

Como é trabalhar aqui:

Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em São Paulo, SP. Cada modelo novo vem com um relatório de erros por grupo e por tipo de imagem, revisado por outra pessoa antes de entrar. Casos reais mal classificados voltam toda semana para o conjunto de treino. 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
• Visão computacional
• CUDA
• ONNX
• Docker
• Git

Seus dados:

tratado conforme a LGPD, com remoção a qualquer momento, a pedido.