Engenheiro(a) de Deep Learning Sênior (Análise de Imagens em Seguros)

confidential; United States; À distance; USD 140 000 - 190 000; Plein temps

Avantages offerts par ce poste

Ambiente colaborativo

Trabalhe de qualquer lugar

Conexão global

TotalPass e Mediquo

Team Care

Horário flexível

Résumé du poste

A Sylision procura um Engenheiro(a) de Deep Learning Sênior para trabalhar 100% remoto, com atuação em leitura de imagens de seguros e construção de first-pass de estimativas de reparo. O cargo envolve treinar e aperfeiçoar redes neuronais para veículos e imóveis, além de detectar manipulação de fotos e fraudes.

Você trabalhará com dados rotulados por peritos, tratará classes raras, otimizar inferência em GPU e na nuvem, e definirá padrões de avaliação por dano e peça.

Qualifications

• Conhecimentos avançados em visão computacional aplicados a detecção e segmentação.
• Experiência com rotulagem de conjuntos de dados e construção de dados anotados.
• Capacidade de analisar erros por tipo de dano e gerenciar latência em devices móveis/edge.

Responsabilités

• Estruturar rótulos de dano com peritos e medir concordância.
• Treinar modelos de detecção, segmentação e classificação para veículos e imóveis.
• Otimizar treino em GPU e inferência com ONNX, quantização e processamento em lotes.
• Analisar falhas de produção e transformar casos em dados de treino.

Connaissances

Redes convolucionais

Avaliação com métricas mAP e IoU

Análise de erro por subgrupo de imagem

Revisão de código e Docker/Git

Outils

PyTorch

TensorFlow

CUDA

ONNX

Description du poste

Vaga aberta de Engenheiro(a) de Deep Learning Sênior (Análise de Imagens em Seguros). 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:

Quando um segurado abre um sinistro de automóvel ou de imóvel, envia fotos pelo aplicativo: para-choque amassado, janela quebrada, infiltração na parede. Hoje um perito precisa olhar cada imagem para saber o dano, estimar o reparo e ver se a foto é mesmo do evento. Você vai construir as redes neurais que leem essas imagens e dão uma primeira estimativa, e que também sinalizam fotos suspeitas de reuso ou de edição.

As fotos de segurado são o pior caso para visão computacional: baixa luz, ângulo errado, reflexo, foto de tela e fundo qualquer. Danos pequenos são difíceis de localizar, e a mesma peça amassada pode custar muito ou pouco conforme o veículo. É preciso construir dados rotulados com peritos, tratar classes raras, medir erro por tipo de dano e saber dizer que uma imagem não serve e que um humano deve olhar. Há ainda o limite de latência no celular e na nuvem.

O resultado se mede por detecção e segmentação de dano por classe, erro na estimativa de reparo, fraudes de imagem identificadas, taxa de casos que seguem direto e tempo de análise. Você define o padrão de avaliação, trata incidente e orienta quem trabalha na frente.

O que você vai fazer:

• Estruturar o rótulo de dano com peritos e medir a concordância entre eles
• Treinar modelos de detecção, segmentação e classificação para veículos e imóveis
• Tratar imagem de má qualidade, rejeitando ou pedindo nova foto quando necessário
• Detectar reuso, edição e foto de tela com técnicas próprias de verificação
• Otimizar o treino em GPU e a inferência com ONNX, quantização e lotes
• Montar a avaliação por tipo de dano, peça, iluminação e dispositivo
• Analisar falhas de produção e transformar cada caso em dado de treino
• Orientar engenheiros e cientistas na modelagem e na avaliação

Requisitos:

• Redes convolucionais e arquiteturas modernas de visão, com treino em PyTorch ou TensorFlow
• Detecção e segmentação, com as métricas adequadas, como mAP e IoU
• Construção e curadoria de conjunto rotulado, incluindo aumento de dados
• Treino em GPU e otimização de inferência para produção
• Análise de erro por subgrupo de imagem
• Docker, Git e revisão de código

Diferenciais:

• Conhecimento do processo de regulação de sinistro de auto e residencial
• Estimativa de custo de reparo a partir de visão e tabela de peças
• Detecção de manipulação de imagem e análise de metadados
• Execução em dispositivo móvel com modelos compactos
• Aprendizado semissupervisionado para ampliar dados com pouco rótulo

Como é trabalhar aqui:

Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em São Paulo, SP. Os modelos passam por avaliação em amostra revisada por peritos antes de cada liberação, e as fotos que o modelo errou entram num relatório semanal. Decisões de arquitetura são escritas e revisadas por outra pessoa do time. 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.