Engenheiro De Machine Learning Sr

Overview VAGA ENGENHEIRO DE MACHINE LEARNING (SÊNIOR) | Grupo EasyLocal: 100% Home Office. Modalidade de Contratação: PJ ou Cooperado. Tempo de Projeto: Indeterminado. Responsabilidades Anotar e preparar datasets de visão computacional. Projetar, treinar, validar e otimizar modelos de deep learning para classificação, detecção e segmentação de imagens. Treinar e implementar modelos YOLO (You Only Look Once) para tarefas de detecção de objetos. Desenvolver e manter pipelines de inferência para execução eficiente em produção. Implementar práticas de MLOps: CI/CD de modelos, versionamento de dados e experimentos, monitoramento e re-treino automático. Trabalhar em conjunto com engenheiros de software para integrar os modelos em sistemas e aplicações. Requisitos obrigatórios Conhecimento de Python em quaisquer das bibliotecas de ML/DL (PyTorch, TensorFlow, OpenCV). Experiência prática com YOLO (treinamento e inferência em problemas de detecção de objetos). Experiência sólida em visão computacional (classificação, detecção, segmentação). Experiência em MLOps com quaisquer das ferramentas: AWS SageMaker Studio, MLflow, Kubeflow, Docker, Kubernetes, Airflow. Conhecimento em boas práticas de engenharia de software (Git, testes automatizados, ambientes reprodutíveis). Diferenciais Experiência em dados estruturados: preparação de dataset, treinamento e inferência em problemas de regressão e classificação tabular. Análise exploratória de dados estruturados (PCA, análise de correlação, clustering com K-Means). Otimização de modelos para edge devices (TensorRT, ONNX, quantização). Contribuições para projetos open source ou publicações técnicas. Métricas e gráficos que deve saber interpretar Observação: Conteúdos listados abaixo cobrem visão computacional como foco principal e dados estruturados como diferencial. Inclui curvas, métricas e gráficos relevantes: Visão computacional (foco principal): PR e AP por classe; Curva ROC e AUC; Matriz de confusão; Curvas de perda e acurácia durante o treinamento; Distribuição de IoU. Learning curves (treino vs. validação). Dados estruturados (diferencial): gráficos de resíduos em regressão; curvas de calibração de probabilidade; feature importance, SHAP e PDP/ICE plots; heatmaps de correlação e PCA (scree plot, biplot). MLOps / produção: gráficos de detecção de drift de dados; distribuição de probabilidades de saída (overconfidence). Métricas de latência/throughput; consumo de GPU/CPU/memória em inferência. Como candidatar-se Acha que preenche todos os requisitos e quer fazer parte do nosso time? Envie seu currículo para: com o assunto: (Vaga) – (Seu Nome) hashtagMachineLearning hashtagDataScientist hashtagAIEngineer hashtagDeepLearning hashtagMLOps hashtagPython hashtagTechLeadership hashtagSeniorEngineer Local Pelotas, Rio Grande do Sul, Brazil J-18808-Ljbffr

Location: Rio Grande, Rio Grande do Sul, BR

Posted Date: 10/13/2025