Engenheiro(a) de Deep Learning Sênior (OCR de Documentos no Varejo)

confidential; United States; Remote; USD 46,000 - 77,000; Full time

Benefits offered by this job

Ambiente colaborativo

Trabalhe de qualquer lugar

Conexão global

Seguro saúde/benefícios discutidos

Job summary

confidential está buscando um Engenheiro(a) de Deep Learning Sênior para OCR de Documentos no Varejo. Você vai treinar e colocar em produção modelos que leem etiquetas de preço, cupons e comprovantes, lidando com ruídos, dobra de cupons e textos desbotados.

O papel envolve rotular dados reais, treinar detecção de texto e reconhecimento, e reduzir latência com otimização e exportação para ONNX, mantendo desempenho por campo e tipo de documento.

Qualifications

• Experiência em PyTorch com treino em GPU e depuração de convergência.
• Visão computacional aplicada a texto: detecção, reconhecimento e pós-processamento.
• Exportação/otimização de modelo para inferência e compatibilidade ONNX.

Responsibilities

• Montar e rotular conjuntos de imagens reais de documentos com variações de iluminação e desgaste.
• Treinar modelos de detecção de texto e reconhecimento e colocar em produção.
• Avaliar por campo e tipo de documento, com métricas específicas e análise de erros.

Skills

Deep Learning

Computer Vision

Labeling data quality

Problem Solving

Team Guidance

Tools

PyTorch

TensorFlow

CUDA

ONNX

Docker

Git

Job description

Vaga aberta de Engenheiro(a) de Deep Learning Sênior (OCR de Documentos no Varejo). A empresa contratante é confidencial neste anúncio, e a seleção é conduzida pela Sylision.

Sobre a vaga:

Etiquetas de preço, cupons fiscais, notas de entrada e comprovantes de troca precisam virar dado estruturado nas lojas e nos centros de distribuição. A leitura vem de fotos de celular, scanners e câmeras fixas, com dobra, reflexo, texto apagado de papel térmico e carimbo por cima. Você vai treinar e colocar em produção o OCR que lê esses documentos.

Os erros que doem são específicos: zero lido como letra O em código de produto, vírgula decimal perdida num valor, linha de item cortada na dobra do cupom, texto térmico desbotado. O modelo precisa de dados rotulados que reflitam essas condições, de métricas por campo e não só por caractere, e de um tempo de inferência que caiba no dispositivo da loja.

Mede-se por taxa de erro de caractere e de campo por tipo de documento, percentual de documentos que passam sem revisão, latência por página e custo de GPU por mil páginas.

O que você vai fazer:

• Montar e rotular conjuntos de imagens de documentos reais, com variações de luz, ângulo e desgaste
• Treinar modelos de detecção de texto e de reconhecimento em PyTorch, com aumento de dados realista
• Avaliar por campo e por tipo de documento, e analisar os erros em vez de só olhar a média
• Reduzir o tempo de inferência com quantização e exportação para ONNX
• Perfilar o uso de GPU e reduzir latência e custo por página
• Definir limiares de confiança e o caminho de revisão humana
• Versionar dados, modelos e métricas para reproduzir qualquer resultado
• Orientar engenheiros menos experientes e revisar o desenho dos experimentos

Requisitos:

• Deep learning com PyTorch, incluindo treino em GPU e depuração de treino que não converge
• Visão computacional aplicada a texto: detecção, reconhecimento e pós-processamento
• Exportação e otimização de modelo para inferência
• Desenho de conjunto de avaliação e métricas que reflitam o negócio
• Pensamento crítico sobre rótulo ruidoso e vazamento entre treino e teste
• Experiência em decidir arquitetura e responder pelo resultado em produção
• Capacidade de orientar outras pessoas

Diferenciais:

• Treino com dados sintéticos de documentos
• Conhecimento de TensorFlow e de TensorRT
• Inferência em dispositivo de borda
• Correção de texto com dicionário de produtos
• Modelos de leitura de layout de documento

Como é trabalhar aqui:

Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em São Paulo, SP. Você decide o desenho dos modelos e responde pelo resultado em produção, com revisão técnica de pares. Experimentos têm registro obrigatório, e cada versão nova de modelo é comparada com a anterior em conjunto fixo antes de ir ao ar. 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
• OCR
• CUDA
• ONNX
• TensorFlow
• Docker
• Git

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