Engenheiro(a) de Deep Learning Sênior (Reconhecimento de Fala na Logística)

confidential; United States; Remote; USD 120,000 - 160,000; Full time

Benefits offered by this job

Trabalho 100% remoto

Flexibilidade de horário

Conexão com times internacionais

TotalPass e Mediquo

Team Care

Job summary

Sylision busca um Engenheiro(a) de Deep Learning Sênior para desenvolver e colocar em produção um sistema de reconhecimento de fala voltado à logística, em ambiente 100% remoto. O foco é treinamento com dados rotulados, ajuste de modelos para português falado com ruídos de operação e entrega de modelos com latência adequada.

Você trabalhará com dados realísticos, vocabulário específico de logística, normalização de números e placas, exportação ONNX e implantação em contêiner com monitoramento de

Qualifications

• Deep learning aplicado a áudio/fala e experiência com PyTorch ou TensorFlow.
• Treino em GPU com CUDA e controle de experimentos.
• Redução de latência com ONNX e quantização.
• Rigor na medição de erro por palavra e em termos críticos (números/placas).
• Boa comunicação com a operação que utiliza o resultado.

Responsibilities

• Montar conjunto de áudio rotulado por ambiente e locutor.
• Treinar modelos de fala para cenário logístico com ruído real.
• Incluir vocabulário de logística e normalizar números, placas e códigos.
• Medir erro por palavra e erro em termos críticos, por ruído.
• Exportar para ONNX e reduzir latência/memória da inferência.
• Publicar serviço de transcrição em container com monitoramento de acertos.
• Criar ciclo de revisão de transcrições para realimentar treino.
• Definir padrão de avaliação de fala e orientar a equipe.

Skills

Deep learning para áudio

PyTorch

TensorFlow

CUDA

ONNX

Reconhecimento de fala

Aumento de dados

Normalização de números e placas

Tools

Docker

Git

ONNX runtimes

Job description

Vaga aberta de Engenheiro(a) de Deep Learning Sênior (Reconhecimento de Fala na Logística). 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:

Motoristas e conferentes de pátio registram ocorrências por voz, com ruído de motor, empilhadeira e vento, em português falado de muitas regiões. Hoje essa fala vira texto com erro alto em termos do ofício: número de nota, placa, código de doca, nome de rota. Cada erro vira um retrabalho de digitação ou um registro trocado no sistema de pátio.

Seu trabalho é treinar e colocar em produção um modelo de reconhecimento de fala para esse cenário. Isso começa pelo dado: gravações rotuladas com transcrição revisada, separação por locutor e por ambiente, aumento com ruído real e vocabulário de domínio. Segue pelo treino em GPU de um modelo de fala adaptado ao português, pela inferência dentro de um limite de latência e pela medição honesta do erro por palavra e, principalmente, do erro nos termos que importam, como números e placas.

Funcionou quando a taxa de erro por palavra cai nos trechos com ruído, quando a transcrição de placas e notas passa de um limite de acerto combinado com a operação e quando a latência no aparelho de campo fica dentro do que o motorista tolera.

O que você vai fazer:

• Montar o conjunto de áudio rotulado, com amostragem por ambiente, sotaque e dispositivo
• Treinar e ajustar modelos de fala em PyTorch com GPU
• Incluir vocabulário de logística e normalizar números, placas e códigos na saída
• Medir erro por palavra geral e erro nos termos críticos, separado por ruído
• Exportar para ONNX e reduzir latência e memória da inferência
• Publicar o serviço de transcrição em contêiner com monitoramento de acerto
• Criar o ciclo de revisão de transcrições erradas para realimentar o treino
• Definir o padrão de avaliação de fala e orientar outras pessoas no uso

Requisitos:

• Deep learning aplicado a áudio ou fala, com PyTorch ou TensorFlow
• Entendimento de espectrogramas, extração de características e arquiteturas de reconhecimento de fala
• Treino em GPU com CUDA e controle de experimentos
• Redução de latência de inferência com ONNX e quantização
• Rigor para medir o erro por palavra e analisar onde o modelo falha
• Boa comunicação com a operação que usa o resultado

Diferenciais:

• Aumento de áudio com ruído de motor e eco de galpão
• Modelo de linguagem para corrigir a saída do reconhecedor
• Execução em aparelhos móveis ou de borda
• Conhecimento do português falado em diferentes regiões
• Experiência com rotulagem de áudio e revisão de qualidade

Como é trabalhar aqui:

Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em São Paulo, SP. O treino roda com experimentos registrados, e nenhum modelo vai para produção sem relatório de erro por tipo de termo e revisão de outra pessoa. As entregas saem em ciclos curtos, com amostras de áudio reais para ouvir os erros em conjunto.

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
• Reconhecimento de fala
• Aumento de dados
• Docker
• Git

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