Engenheiro(a) de Deep Learning Sênior (Séries Temporais em Telecom)

confidential; United States; Remote; USD 140,000 - 210,000; Full time

Benefits offered by this job

Remoto total

Ambiente colaborativo

Flexibilidade de local

Conexão global com times

Apoio à saúde física (TotalPass/Mediqu

Team Care

Job summary

A vaga é para Engenheiro(a) de Deep Learning Sênior, com foco em séries temporais em telecom. A posição é 100% remota, contratação CLT ou PJ, para cliente da Sylision com atuação global.

Buscamos profissional sênior com experiência em PyTorch, detecção de anomalias, ONNX e otimização de inferência em GPU, com capacidade de liderar entrega de modelos em produção. Você trabalhará com dados multivariados, tratamento de lacunas, avaliação de alertas e coordenação com operações para reduzir falsos

Qualifications

• Aprendizado profundo para séries temporais em PyTorch.
• Detecção de anomalias com poucos rótulos.
• Treino em GPU, depuração de treino e uso de recursos.
• Otimização e exportação de modelos para inferência.
• Métricas por evento, e não apenas por ponto da série.
• Decisão de desenho e responsabilidade por resultado em produção.

Responsibilities

• Preparar séries multivariadas com tratamento de lacunas, escala e eventos de manutenção.
• Treinar modelos de detecção de anomalia e de previsão em PyTorch, em GPU.
• Montar uma base de eventos confirmados com a operação para avaliar os alertas.
• Comparar redes neurais com métodos estatísticos de base, aceitando o simples se bastar.
• Otimizar a inferência com ONNX para processar todas as células dentro da janela.
• Ajustar limiares com a equipe de operação para controlar falso positivo.
• Monitorar a deriva quando houver reconfiguração ou expansão da rede.
• Definir o padrão de treino e de entrega e orientar outras pessoas do time.

Skills

Deep Learning para séries temporais

PyTorch

Detecção de anomalias

Treino em GPU

ONNX

CUDA

Docker

Git

Tools

ONNX

CUDA

Docker

Git

PyTorch

Job description

Vaga aberta de Engenheiro(a) de Deep Learning Sênior (Séries Temporais em Telecom). 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:

Uma operadora de telecom coleta milhares de contadores de desempenho de cada estação rádio base, em intervalos de poucos minutos: taxa de queda de chamada, utilização de canal, latência, potência de sinal. Uma degradação pequena em uma célula pode virar reclamação em dias. Você constrói redes neurais para séries temporais que detectam essas degradações cedo e preveem a carga.

O desafio é que quase não há exemplo rotulado de falha. Os dados são multivariados, com valores faltantes, mudança de padrão quando a célula é reconfigurada e muito ruído de manutenção programada. Modelos como autoencoders, redes convolucionais temporais ou transformers para séries precisam ser comparados com métodos simples, e seu alerta precisa gerar poucos falsos positivos para a equipe do centro de operação confiar nele.

Você mede por antecedência média do alerta, precisão e revocação nos eventos confirmados, alertas por célula por semana e latência de inferência.

O que você vai fazer:

• Preparar séries multivariadas com tratamento de lacunas, de escala e de eventos de manutenção
• Treinar modelos de detecção de anomalia e de previsão em PyTorch, em GPU
• Montar uma base de eventos confirmados com a operação para avaliar os alertas
• Comparar redes neurais com métodos estatísticos de base, aceitando o simples se bastar
• Otimizar a inferência com ONNX para processar todas as células dentro da janela
• Ajustar limiares com a equipe de operação para controlar falso positivo
• Monitorar a deriva quando houver reconfiguração ou expansão da rede
• Definir o padrão de treino e de entrega e orientar outras pessoas do time

Requisitos:

• Aprendizado profundo para séries temporais em PyTorch
• Detecção de anomalia com poucos rótulos
• Treino em GPU, depuração de treino e uso de recursos
• Otimização e exportação de modelos para inferência
• Métricas por evento, e não somente por ponto da série
• Decisão de desenho e responsabilidade por resultado em produção

Diferenciais:

• Conhecimento de redes móveis e de indicadores de desempenho
• Prática com processamento de fluxo contínuo de dados
• Ter comparado transformers com métodos clássicos de previsão
• Experiência com rótulos fracos ou com aprendizado semissupervisionado

Como é trabalhar aqui:

Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em São Paulo, SP. Os alertas são revisados com a operação toda semana, e o que o time aprende vira ajuste de modelo ou de limiar. Os experimentos ficam registrados para que qualquer pessoa os reproduza. 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
• Séries temporais
• CUDA
• ONNX
• Detecção de anomalias
• Docker
• Git

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