Engenheiro(a) de Deep Learning Sênior (Visão Computacional no Mercado Imobiliário)

confidential; United States; Remoto; USD 140.000 - 190.000; Tempo pieno

Vantaggi offerti da questo lavoro

Ambiente colaborativo

Trabalhe de qualquer lugar, com flexib

Conexão global com times de diferentes

Apoio à saúde física com TotalPass e M

Cuidado com a saúde mental com Team C

Contrato CLT ou PJ

Descrizione del lavoro

A Sylision está contratando um(a) Engenheiro(a) de Deep Learning Sênior com foco em visão computacional aplicada ao mercado imobiliário. A vaga é 100% remota e de contratação CLT ou PJ.

Você definirá a taxonomia de cômodos, treinará classificadores, criará detector de duplicatas por embedding, implementará borrado de rostos e placas, e entregará modelos otimizados para inferência com quantização.

Competenze

• Conhecimento em redes neurais convolucionais e transformers de visão para classificação/detecção.
• Treino e ajuste fino em GPU.
• Otimização para inferência com ONNX ou equivalente.
• Cuidado com LGPD e privacidade de imagem.
• Rotulagem com qualidade e revisão de rótulos.

Mansioni

• Definir taxonomia de cômodos e guia de rotulagem.
• Treinar classificadores e detectors de visão.
• Construir detector de duplicatas por embedding.
• Implementar o borrado de rostos e placas.
• Exportar e otimizar modelos para inferência com quantização.
• Medir erro por classe e por fonte de foto.
• Montar ciclo de correções humanas que alimentam o treino.

Conoscenze

Redes convolucionais

Transformadores de visão

Treino em GPU

Leitura de curva de erro

Análise por subgrupo

Otimização para inferência

Python limpo

Testes reproduzíveis

Rotulagem de dados

Privacidade de imagem

Strumenti

PyTorch

TensorFlow

ONNX

Docker

CUDA

TensorRT

Descrizione del lavoro

Vaga aberta de Engenheiro(a) de Deep Learning Sênior (Visão Computacional no Mercado Imobiliário).

Nível: senior.

Modelo de trabalho: 100% Remoto.

Contratação: tempo integral, CLT ou PJ.

Sobre a vaga:

Cada anúncio de imóvel chega com dezenas de fotos enviadas por corretores, muitas escuras, tortas, repetidas ou de outro imóvel. Hoje a moderação é manual e lenta. O modelo vai classificar o cômodo de cada foto, estimar qualidade (luz, nitidez, enquadramento), achar duplicatas entre anúncios e borrar placas de carro, rostos e documentos que aparecem sem querer.

Os desafios são dados e inferência. A rotulagem tem ambiguidade (sala conjugada com cozinha, varanda gourmet), o conjunto é desbalanceado (poucas fotos de planta baixa, muitas de fachada) e o ruído de rótulo é alto. Na ponta, o serviço processa milhares de fotos por hora e precisa de latência baixa e custo de GPU controlado.

A qualidade é medida por acerto por classe, taxa de falso positivo na detecção de rosto (que é crítica por privacidade) e tempo por foto. Fotos de baixa confiança vão para revisão humana, e essas revisões voltam como novo dado de treino.

O que você vai fazer:

• Definir a taxonomia de cômodos e o guia de rotulagem junto da equipe de moderação
• Treinar classificadores e detectores de visão, com aumento de dados e tratamento de desbalanceamento
• Construir o detector de duplicatas por embedding, com limiar calibrado
• Implementar o borrado de rostos e placas com meta de recall alto
• Exportar e otimizar modelos para inferência, com quantização e lotes
• Medir erro por classe e por fonte de foto e priorizar a coleta de dados onde o modelo falha
• Montar o ciclo em que correções humanas realimentam o treino

Requisitos:

• Redes convolucionais e transformadores de visão, com treino e ajuste fino em GPU
• Leitura de curva de erro, matriz de confusão e análise por subgrupo
• Otimização para inferência com ONNX ou equivalente e controle de latência
• Python limpo, testes e reprodutibilidade de experimento
• Rotulagem com qualidade: concordância entre anotadores e revisão de rótulos
• Cuidado com privacidade de imagem e com a LGPD

Diferenciais:

• Aprendizado auto supervisionado e modelos pré treinados de imagem
• Detecção de duplicatas e busca por similaridade em escala
• Servir modelos com TensorRT ou servidor de inferência
• Estimativa de qualidade de imagem sem referência
• Experiência com aprendizado ativo para escolher o que rotular

Como é trabalhar aqui:

Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em São Paulo, SP. O time faz revisão de experimentos toda semana, com resultados anotados em um registro compartilhado. O ritmo é de entregas pequenas e frequentes, cada uma com a métrica antes e depois. 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
• Visão computacional
• Git

Seus dados:

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