Engenheiro(a) de Deep Learning Sênior (Linguagem Natural na Saúde)

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

Benefits offered by this job

Ambiente colaborativo

Seguro saúde

Acesso a GPUs para desenvolvimento

Job summary

A Sylision está buscando um Engenheiro(a) de Deep Learning Sênior para trabalhar com Processamento de Linguagem Natural em textos clínicos. O papel é remoto 100% e envolve treinar, ajustar e exportar modelos que reconheçam entidades clínicas, além de classificar eventos, com foco em precisão e revocação.

Você enfrentará textos com variações hospitalares, restrições de dados de pacientes e a necessidade de quantização/ONNX para produção com latência baixa.

Qualifications

• Conhecimento em reconhecimento de entidades clínicas, com foco em precisão e revocação.
• Avaliação de modelos de linguagem para textos clínicos em português.
• Experiência com rotulagem e concordância entre annotators.
• Capacidade de discutir métricas de domínio: entidae, dose e negação.

Responsibilities

• Definir esquema de rótulos com profissionais de saúde e medir concordância entre rotuladores.
• Treinar e adaptar modelos de linguagem a textos clínicos em português.
• Tratar negação, incerteza e abreviações com regras e aprendizado; comparar abordagens.
• Avaliar por entidade e por serviço, destacando os erros mais graves.
• Reduzir o modelo via destilação/quantização e exportar para ONNX com latência controlada.

Skills

Reconhecimento de entidades

Classificação de texto

Avaliação de modelos

Rotulagem de dados

Tools

PyTorch

ONNX

Docker

CUDA

Job description

Vaga aberta de Engenheiro(a) de Deep Learning Sênior (Linguagem Natural 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:

Prontuários, evoluções de enfermagem e laudos são texto livre, cheio de abreviações, erros de digitação e termos que variam de um hospital para outro. Você vai treinar e levar a produção modelos de linguagem natural que reconhecem entidades clínicas (medicamento, dose, diagnóstico, negação) e classificam o texto por tipo de evento, para alimentar alertas e relatórios.

As dificuldades são concretas: poucos exemplos rotulados e rotuladores que discordam, negação e incerteza que mudam o sentido ("sem febre", "descartar pneumonia"), siglas ambíguas e textos longos. A métrica precisa ser a do domínio, com precisão e revocação por entidade, e erro de dose não pode ser tratado como erro de grafia.

O modelo roda em servidor com GPU limitada e responde ao fluxo do prontuário em tempo curto, o que pede destilação, quantização e exportação para ONNX sem perder a qualidade medida. Dado de paciente fica em ambiente controlado, com acesso registrado.

O que você vai fazer:

• Definir com profissionais de saúde o esquema de rótulos e medir a concordância entre rotuladores
• Ajustar modelos de transformadores a textos clínicos em português
• Tratar negação, incerteza e abreviações com regras e aprendizado, e comparar as duas vias
• Avaliar por entidade e por serviço, com análise dos erros mais graves
• Reduzir o modelo com destilação e quantização, conferindo a perda de qualidade
• Exportar para ONNX e servir com limites de latência e de memória
• Montar monitoramento de deriva de vocabulário e rotina de reanotação

Requisitos:

• PyTorch e treino de modelos de linguagem em GPU
• Avaliação de reconhecimento de entidades e classificação de texto
• Construção de conjuntos rotulados e leitura crítica da concordância
• Otimização de inferência: ONNX, quantização, lotes
• Cuidado com dado de saúde e noção de LGPD
• Escrita clara de relatórios de experimento

Diferenciais:

• Corpus clínico em português ou vocabulário médico
• Aprendizado com poucos exemplos e rotulagem ativa
• Treino distribuído em mais de uma GPU
• Modelos de linguagem abertos ajustados com adaptadores
• Servir com TensorRT ou runtime equivalente

Como é trabalhar aqui:

Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em São Paulo, SP. Experimentos ficam registrados com semente, versão de dados e métrica, de modo que outra pessoa os reproduz. A revisão de código é em par, e os resultados de cada ciclo de treino são apresentados ao time clínico antes de qualquer promoção. 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
• Transformers
• CUDA
• ONNX
• Quantização
• Docker
• Processamento de linguagem natural

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