Engenheiro(a) de Deep Learning Sênior (Reconhecimento de Fala em Recursos Humanos)

confidential; United States; Remote; USD 55,000 - 77,000; Full time

Benefits offered by this job

Trabalho remoto total

Benefícios de saúde (TotalPass, Mediqu

Programa Team Care

Job summary

Vaga para Engenheiro(a) de Deep Learning Sênior em reconhecimento de fala, atuação remota total, com contratação CLT ou PJ, para cliente da Sylision. O papel envolve treinar e adaptar redes de ASR para português do Brasil, preparar dados, realizar aumento de dados, quantizar modelos e exportar para ONNX.

Você trabalhará com dados de áudio de ligações e videoconferências, avaliando latência, custo e precisão, com foco na melhoria da taxa de erro de palavras e na robustez do sistema.

Qualifications

• Redes neurais para áudio e sequência com PyTorch ou TensorFlow.
• Treino em GPU e depuração de problemas de convergência.
• Processamento de sinais de áudio: espectrogramas, taxas de amostragem e ruído.
• Métricas de reconhecimento de fala e análise de erro por categoria.
• Otimização para inferência com ONNX, quantização ou equivalente.
• Decisão de desenho e orientação técnica de colegas.

Responsibilities

• Preparar conjuntos de áudio com segmentação, normalização e transcrição revisada.
• Aplicar aumento de dados com ruído de linha telefônica, eco e variação de volume.
• Ajustar modelos pré-treinados de fala para português do Brasil e vocabulário de RH.
• Medir taxa de erro de palavras por canal, sotaque e qualidade de áudio.
• Otimizar a inferência com quantização e exportação para ONNX.
• Implementar transcrição em lote e em fluxo, com tratamento de áudio muito longo.
• Detectar trechos de baixa confiança para revisão humana.
• Definir regras de retenção e de acesso às gravações junto com jurídico.

Skills

PyTorch

TensorFlow

CUDA

Model fine-tuning

Quantização

ONNX

Python

Git

Tools

PyTorch

TensorFlow

ONNX

CUDA

Docker

Git

Job description

Vaga aberta de Engenheiro(a) de Deep Learning Sênior (Reconhecimento de Fala em Recursos Humanos). 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:

Entrevistas de seleção, reuniões de feedback e atendimentos da central de pessoas geram horas de áudio que ninguém consegue ouvir. Transcrever essas gravações com qualidade em português do Brasil permite resumir entrevistas, buscar trechos e produzir atas. O áudio vem de ligação por telefone, de videochamada com eco, de sotaques regionais e de nomes próprios e termos de cargo que modelos genéricos erram.

Você vai treinar e adaptar redes neurais de reconhecimento de fala para esse cenário: preparar dados com transcrição revisada, aplicar aumento de dados com ruído e reverberação, ajustar modelos pré-treinados e medir a taxa de erro de palavras por tipo de áudio. A inferência precisa ser rápida e barata em GPU, tanto em lote para gravações antigas quanto em tempo quase real para reuniões em andamento. Como as gravações envolvem pessoas, consentimento, retenção e acesso fazem parte do desenho.

A medida de sucesso é a queda da taxa de erro nos tipos de áudio mais difíceis, a latência por minuto de áudio e o custo por hora transcrita.

O que você vai fazer:

• Preparar o conjunto de áudio com segmentação, normalização e transcrição revisada
• Aplicar aumento de dados com ruído de linha telefônica, eco e variação de volume
• Ajustar modelos pré-treinados de fala para português do Brasil e vocabulário de RH
• Medir a taxa de erro de palavras por canal, sotaque e qualidade de áudio
• Otimizar a inferência com quantização e exportação para ONNX
• Implementar transcrição em lote e em fluxo, com tratamento de áudio muito longo
• Detectar trechos de baixa confiança para revisão humana
• Definir regras de retenção e de acesso às gravações junto com jurídico

Requisitos:

• Redes neurais para áudio e sequência com PyTorch ou TensorFlow
• Treino em GPU e depuração de problemas de convergência
• Processamento de sinais de áudio: espectrogramas, taxas de amostragem e ruído
• Métricas de reconhecimento de fala e análise de erro por categoria
• Otimização para inferência com ONNX, quantização ou equivalente
• Decisão de desenho e orientaçao técnica de colegas

Diferenciais:

• Modelos de fala com decodificação por CTC ou arquitetura codificador e decodificador
• Diarização, a separação de quem fala em cada trecho
• Adaptação com vocabulário específico por lista de termos
• Experiência com áudio de telefonia de banda estreita
• Noção de LGPD aplicada a gravações de voz

Como é trabalhar aqui:

Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em São Paulo, SP. Os experimentos ficam registrados com configuração e resultado, e a análise de erro é feita em conjunto olhando trechos reais. Mudança em modelo de produção só segue após revisão do desenho e comparação com a versão em uso. 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
• Reconhecimento de fala
• Taxa de erro de palavras
• Git

Seus dados:

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