Engenheiro(a) de Deep Learning Sênior (Detecção de Objetos em Vídeo na Saúde)

confidential; United States; Remote; USD 120,000 - 180,000; Full time

Benefits offered by this job

Ambiente colaborativo

Trabalho remoto 100%

Conexão global com times

Apoio à saúde física

Saúde mental Team Care

Job summary

A Sylision procura um Engenheiro(a) de Deep Learning Sênior para Detecção de Objetos em Vídeo na Saúde, com atuação 100% remota. O desafio envolve projetar, treinar e otimizar detectores para fluxos de vídeo de centros cirúrgicos, mantendo alta precisão e baixa latência, com ênfase na privacidade.

Você definirá classes, treinará modelos com PyTorch, aplicará técnicas de aumento de dados e técnicas de inferência com ONNX/TensorRT, supervisionando a integração com GPUs modestas para operação em

Qualifications

• Experiência em detecção de objetos e rastreamento com PyTorch.
• Experiência em treino em GPU, depuração de perda e de dados rotulados com ruído.
• Otimização para inferência, incluindo exportação e perfil de latência.
• Conhecimento de métricas de detecção, como mAP, e sua leitura crítica.
• Cuidado com privacidade ao lidar com imagens de pessoas.
• Capacidade de decidir o que é suficiente para o uso clínico e o que ainda não é.

Responsibilities

• Definir classes, critérios de rotulagem e guia para a equipe que anota as imagens
• Treinar detectores de objetos e comparar arquiteturas por classe e por tamanho de objeto
• Aplicar aumento de dados e aprendizado ativo para usar melhor cada imagem rotulada
• Rastrear objetos entre quadros para reduzir oscilação e contar itens com segurança
• Otimizar o modelo com ONNX e TensorRT, quantização e lotes para a GPU da ponta
• Projetar rotinas de anonimização de rostos e de armazenamento mínimo de vídeo
• Medir desempenho em cenas difíceis e publicar relatório de falhas por classe
• Revisar o código dos colegas e definir o padrão de treino e avaliação

Skills

PyTorch

GPU training

Inference optimization

Privacy awareness

Tools

PyTorch

TensorFlow

CUDA

ONNX

TensorRT

OpenCV

Docker

Git

Job description

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

Câmeras em centros cirúrgicos, salas de procedimento e almoxarifados geram vídeo que ninguém consegue assistir inteiro. Detectar instrumentais, contar compressas antes e depois do procedimento, identificar um profissional sem equipamento de proteção e localizar um item no estoque são tarefas que um detector de objetos em vídeo pode apoiar, desde que erre pouco e avise rápido.

O desafio é de dados e de implantação. Há pouca imagem rotulada, objetos pequenos e parcialmente cobertos, iluminação que varia, privacidade de pacientes e profissionais e uma máquina na ponta com GPU modesta que precisa processar vários fluxos em tempo real. Um falso alarme na sala cirúrgica custa confiança, e um item não detectado custa mais.

Você vai definir como rotular, treinar, avaliar e otimizar o detector até rodar no hardware disponível. Medimos por precisão e cobertura por classe, por desempenho em objetos pequenos, por latência por quadro e pela taxa de alarmes que a equipe considera úteis.

O que você vai fazer:

• Definir classes, critérios de rotulagem e guia para a equipe que anota as imagens
• Treinar detectores de objetos e comparar arquiteturas por classe e por tamanho de objeto
• Aplicar aumento de dados e aprendizado ativo para usar melhor cada imagem rotulada
• Rastrear objetos entre quadros para reduzir oscilação e contar itens com segurança
• Otimizar o modelo com ONNX e TensorRT, quantização e lotes para a GPU da ponta
• Projetar rotinas de anonimização de rostos e de armazenamento mínimo de vídeo
• Medir desempenho em cenas difíceis e publicar relatório de falhas por classe
• Revisar o código dos colegas e definir o padrão de treino e avaliação

Requisitos:

• Domínio de detecção de objetos e rastreamento com PyTorch
• Experiência em treino em GPU, depuração de perda e de dados rotulados com ruído
• Otimização para inferência, incluindo exportação e perfil de latência
• Conhecimento de métricas de detecção, como mAP, e sua leitura crítica
• Cuidado com privacidade ao lidar com imagens de pessoas
• Capacidade de decidir o que é suficiente para o uso clínico e o que ainda não é

Diferenciais:

• Experiência com vídeo em tempo real e fluxos de câmeras IP
• Prática com dispositivos de borda e GPUs embarcadas
• Aprendizado semissupervisionado ou autossupervisionado com pouco dado rotulado
• Noção de requisitos regulatórios para software usado em ambiente de saúde

Como é trabalhar aqui:

Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em Minas Gerais. Cada versão do detector é comparada com a anterior no mesmo conjunto de teste, e a diferença por classe é lida em grupo antes de qualquer implantação. Há revisão por pares do código de treino e dos rótulos duvidosos. O ritmo é de ciclos curtos de dado, treino e medição, com a sala real como validação. 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
• TensorRT
• OpenCV
• Docker
• Git

Seus dados:

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