Engenheiro de Deep Learning Sênior; Detecção de Objetos em Vídeo na Saúde

Position: Engenheiro(a) de Deep Learning Sênior (Detecção de Objetos em Vídeo na Saúde)

Vaga aberta de Engenheiro(a) de Deep Learning Sênior (Detecção de Objetos em Vídeo na Saúde). 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:

Câmeras em centros cirúrgicos, salas de procedimento e almoxarifados geram vídeo que ninguém consegue assistir inteiro. Detectar instrumentais, contar compressas antes e depois do procedimento, identificar um profissional sem equipamento de proteção e localizar um item no estoque são tarefas que um detector de objetos em vídeo pode apoiar, desde que erre pouco e avise rápido.

O desafio é de dados e de implantação. Há pouca imagem rotulada, objetos pequenos e parcialmente cobertos, iluminação que varia, privacidade de pacientes e profissionais e uma máquina na ponta com GPU modesta que precisa processar vários fluxos em tempo real. Um falso alarme na sala cirúrgica custa confiança, e um item não detectado custa mais.

Você vai definir como rotular, treinar, avaliar e otimizar o detector até rodar no hardware disponível. Medimos por precisão e cobertura por classe, por desempenho em objetos pequenos, por latência por quadro e pela taxa de alarmes que a equipe considera úteis.

O que você vai fazer:

• Definir classes, critérios de rotulagem e guia para a equipe que anota as imagens
• Treinar detectores de objetos e comparar arquiteturas por classe e por tamanho de objeto
• Aplicar aumento de dados e aprendizado ativo para usar melhor cada imagem rotulada
• Rastrear objetos entre quadros para reduzir oscilação e contar itens com segurança
• Otimizar o modelo com ONNX e TensorRT, quantização e lotes para a GPU da ponta
• Projetar rotinas de anonimização de rostos e de armazenamento mínimo de vídeo
• Medir desempenho em cenas difíceis e publicar relatório de falhas por classe
• Revisar o código dos colegas e definir o padrão de treino e avaliação

Requisitos:

• Domínio de detecção de objetos e rastreamento com Py Torch
• Experiência em treino em GPU, depuração de perda e de dados rotulados com ruído
• Otimização para inferência, incluindo exportação e perfil de latência
• Conhecimento de métricas de detecção, como mAP, e sua leitura crítica
• Cuidado com privacidade ao lidar com imagens de pessoas
• Capacidade de decidir o que é suficiente para o uso clínico e o que ainda não é

Diferenciais:

• Experiência com vídeo em tempo real e fluxos de câmeras IP
• Prática com dispositivos de borda e GPUs embarcadas
• Aprendizado semissupervisionado ou autossupervisionado com pouco dado rotulado
• Noção de requisitos regulatórios para software usado em ambiente de saúde

Como é trabalhar aqui:

Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em Minas Gerais. Cada versão do detector é comparada com a anterior no mesmo conjunto de teste, e a diferença por classe é lida em grupo antes de qualquer implantação. Há revisão por pares do código de treino e dos rótulos duvidosos. O ritmo é de ciclos curtos de dado, treino e medição, com a sala real como validação.

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 Total Pass e Mediquo
• Cuidado com a saúde mental pelo programa Team Care
• Contratação e jornada definidas com a empresa contratante

Tecnologias envolvidas:

• Python
• Py Torch
• Tensor Flow
• CUDA
• ONNX
• TensorRT
• OpenCV
• Docker
• Git

Seus dados:

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