Engenheiro(a) de Deep Learning Sênior (Detecção de Objetos em Vídeo em Bancos Digitais)

confidential; United States; Remote; USD 150,000 - 210,000; Full time

Benefits offered by this job

Trabalho remoto 100%

Flexibilidade de horário

TotalSupport de tecnologia

Equipe colaborativa

Job summary

A Sylision busca Engenheiro(a) de Deep Learning Sênior para Detecção de Objetos em Vídeo em Bancos Digitais. O papel envolve treinamento de modelos de detecção de objetos que identificam documento, mão, rosto e tela em cada quadro, com foco em evitar fraudes por tela, papel impresso e uso de máscara.

O cargo é 100% remoto, com contratação integral. Espera-se atuação em ONNX, quantização e otimização para servidor e mobile, respeitando LGPD e métricas por classe.

Qualifications

• Conhecimento em PyTorch ou TensorFlow para visão computacional com detecção de objetos.
• Experiência em montagem de conjuntos de dados e controle de qualidade de rótulos.
• Medição de desempenho por classe e condição de captura.
• Otimização de inferência com ONNX, quantização e perfilamento.
• Experiência em entrega de modelos via Docker e em serviço.
• Conhecimento de LGPD aplicada a imagens biométricas.
• Relatórios de experimentos com clareza e reprodutibilidade.

Responsibilities

• Montar e curar conjuntos de vídeos com exemplos de fraude e situações de câmera.
• Treinar detectores para documento, mão, rosto e tela; avaliar por tipo de erro.
• Aplicar aumentos de dados simulando iluminação, compressão e reflexo.
• Definir limiar de decisão com o time de risco com base no custo de erros.
• Otimizar modelo para servidor e celular, medindo latência e precisão.
• Monitorar deriva de dados por dispositivo e por novos tipos de fraude.
• Cuidar do descarte e acesso às imagens em conformidade com LGPD.

Skills

PyTorch

TensorFlow

Rotulagem de dados

Métricas por classe

ONNX

Quantização

Profiling

Docker

Model deployment

LGPD

Relatórios de experimentos

Tools

ONNX

Docker

Job description

Vaga aberta de Engenheiro(a) de Deep Learning Sênior (Detecção de Objetos em Vídeo em Bancos Digitais). 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:

Antes de abrir uma conta em um banco digital, a pessoa grava um vídeo curto segurando o documento e mostrando o rosto. Você vai treinar e levar a produção modelos de detecção de objetos que encontram documento, mão, rosto e telas ao fundo em cada quadro do vídeo, para barrar fraude por foto de tela, documento de papel impresso e uso de máscara.

As dificuldades estão nos casos reais: celulares baratos com câmera ruim, pouca luz, reflexo no plástico do documento, dedo cobrindo o campo, vídeo com quadros comprimidos. Os rótulos de fraude são raros e mudam conforme os fraudadores se adaptam. A métrica precisa tratar o custo assimétrico: barrar um cliente legítimo e deixar passar uma fraude têm preços diferentes.

O modelo roda no servidor e, em parte, no próprio celular, com limite de latência e de tamanho, o que pede otimização com quantização, ONNX e escolha cuidadosa da arquitetura. A imagem de documento é dado pessoal sensível: o armazenamento e o descarte têm regras claras.

O que você vai fazer:

• Montar e curar o conjunto rotulado de vídeos, incluindo exemplos de fraude e casos difíceis de câmera
• Treinar detectores de objetos para documento, mão, rosto e tela e avaliar por tipo de erro
• Aplicar aumento de dados que simule iluminação, compressão e reflexo
• Definir limiar de decisão com o time de risco a partir do custo de cada erro
• Otimizar o modelo para o servidor e para o celular, medindo latência e perda de precisão
• Monitorar deriva de dados por aparelho e por novo tipo de fraude
• Cuidar do descarte e do acesso às imagens, em acordo com LGPD

Requisitos:

• PyTorch ou TensorFlow em visão computacional, com detecção de objetos
• Montagem de conjunto de dados, rotulagem e controle de qualidade de rótulo
• Avaliação com métricas por classe e por condição de captura
• Otimização de inferência com ONNX, quantização e perfilamento
• Docker e entrega de modelo em serviço
• Noção de LGPD aplicada a imagem biométrica
• Clareza em relatórios de experimento

Diferenciais:

• Trabalho com detecção de vivacidade ou de fraude documental
• Modelos leves para dispositivos móveis
• Treino com dados sintéticos
• Aprendizado com poucos exemplos de fraude
• Monitoramento de modelos de visão em produção

Como é trabalhar aqui:

Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em Minas Gerais. Experimentos são registrados com versão de dados e métrica por condição, e a revisão de código é em par. Cada novo modelo roda em modo sombra ao lado do atual, e a decisão de troca é tomada com os números de falsos positivos e de fraude retida. 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
• Visão computacional
• Docker
• Otimização de inferência

Seus dados:

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