Engenheiro(a) de Deep Learning Sênior (Visão Computacional na Logística)

confidential; United States; Remote; USD 140.000 - 200.000; Vollzeit

Benefits dieser Stelle

Ambiente colaborativo

Trabalhe de qualquer lugar, com flexib

Conexão global com equipes multicultur

Apoio à saúde física: TotalPass e MedI

Cuidados com a saúde mental: Team Care

Contratação e jornada definidas com a客

Zusammenfassung

A Sylision busca Engenheiro(a) de Deep Learning Sênior para trabalhar em visão computacional aplicada à logística, com foco na leitura rápida de etiquetas, dimensões e detecção de avarias em um fluxo de esteiras, em ambiente remoto. O papel envolve desenho de datasets, treino de modelos em GPU e entrega em produção via ONNX/TensorRT.

Você liderará escolhas de arquitetura, otimizará a inferência e implementará monitoramento de métricas com painéis por câmera.

Qualifikationen

• Requisitos: redes CNN e transformers de visão aplicados a detecção e segmentação.
• PyTorch com treino em GPU e aumento de dados; controle de desbalanceamento.
• Métricas de visão além de acurácia (precisão por classe, recall de avaria).
• Otimização para inferência: quantização, ONNX e TensorRT.
• Capacidade de decidir desenho e trade-offs entre custo de GPU e qualidade do resultado.

Aufgaben

• Definir protocolo de rotulagem de volumes, etiquetas e avarias com critérios repetíveis.
• Treinar e comparar detectores e segmentadores de objetos em GPU, com validação por doca e turno.
• Converter modelos para ONNX e TensorRT e medir latência por quadro no hardware real.
• Projetar coleta ativa de quadros difíceis a partir dos erros operacionais.
• Montar painel de métricas por câmera com alertas de leitura na primeira passada.
• Investigar incidentes de desvio errado, retornando do volume ao quadro e ao modelo.
• Revisar código e experimentos do time.
• Documentar padrões de entrega de modelos de visão, do dado ao serviço

Kenntnisse

Redes CNN

Transformers de visão

PyTorch com treino em GPU

Aumento de dados

Balanceamento de classes

Métricas de visão

Otimização para inferência

Quantização

ONNX

TensorRT

CUDA

OpenCV

Tools

ONNX

TensorRT

CUDA

Docker

Git

OpenCV

Jobbeschreibung

Vaga aberta de Engenheiro(a) de Deep Learning Sênior (Visão Computacional 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:

Em um centro de distribuição, câmeras fixas em esteiras e em docas fotografam volumes em movimento. Cada imagem precisa responder rápido a quatro perguntas: qual é a etiqueta, quais são as dimensões do volume, existe avaria visível e quantos itens há no pallet que acabou de passar. A resposta alimenta o desvio da esteira e o registro de recebimento, então um erro vira volume na rota errada.

O que dá errado é previsível e caro. Filme plástico reflete a luz, etiqueta dobrada perde o código, o turno da noite muda a iluminação e uma embalagem nova aparece sem que o modelo tenha visto algo parecido. Você vai desenhar o conjunto de dados rotulados, o treino e a otimização para inferência em GPU embarcada, de modo que o modelo acompanhe a cadência da esteira sem acumular fila de quadros.

O resultado se mede por taxa de leitura na primeira passada, falsos alarmes de avaria por mil volumes e latência por quadro no percentil 99. Como sênior, você também decide o que vai para produção, trata o incidente quando a leitura cai de madrugada e define o padrão que o resto do time segue.

O que você vai fazer:

• Definir o protocolo de rotulagem de volumes, etiquetas e avarias com critérios que dois rotuladores repitam
• Treinar e comparar detectores e segmentadores de objetos em GPU, com validação separada por doca e por turno
• Converter modelos para ONNX e TensorRT e medir latência por quadro no equipamento real
• Projetar a coleta ativa de quadros difíceis, a partir dos erros vistos na operação
• Montar o painel de métricas por câmera, com alerta quando a leitura na primeira passada cai
• Investigar incidentes de desvio errado, voltando do volume ao quadro e ao modelo
• Revisar o código e os experimentos de outras pessoas do time
• Documentar o padrão de entrega de modelos de visão, do dado ao serviço

Requisitos:

• Redes convolucionais e transformers de visão aplicados a detecção e segmentação
• PyTorch com treino em GPU, incluindo aumento de dados e controle de desbalanceamento
• Métricas de visão além da acurácia, como precisão por classe, recall de avaria e erro de medida
• Otimização para inferência, com quantização, ONNX e noção de TensorRT
• Capacidade de decidir desenho e trade-off entre custo de GPU e qualidade do resultado
• Comunicação clara com operação de armazém e com o time de plataforma

Diferenciais:

• Calibração de câmera e medição de dimensões por imagem
• Leitura de códigos de barras e QR sob distorção e baixa resolução
• Servir modelos com Triton ou serviço equivalente
• Rotulagem assistida por modelo para baixar o custo de anotar quadros
• Ter publicado um projeto de visão com dados próprios

Como é trabalhar aqui:

Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em São Paulo, SP. O trabalho é em ciclos curtos: um experimento só vira entrega depois de revisado por outra pessoa e de passar pela medição em quadros reais da operação. Os números por câmera aparecem num painel que o time olha toda semana. 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
• Visão computacional
• OpenCV
• ONNX
• CUDA
• TensorRT
• Docker
• Git

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