Engenheiro de Deep Learning Pleno; Séries Temporais no Jurídico

Vaga aberta de Engenheiro(a) de Deep Learning Pleno (Séries Temporais no Jurídico).

A empresa contratante é confidencial neste anúncio, e a seleção é conduzida pela Sylision.

Nível: pleno.

Modelo de trabalho: 100% Remoto.

Contratação: tempo integral, CLT ou PJ.

Sobre a vaga:

Um departamento jurídico e uma operação de cobrança e contencioso acompanham sinais que evoluem no tempo: volume de ações por comarca, tempo entre movimentações de um processo, valor de provisão e acordos fechados por semana. Você vai usar redes neurais para séries temporais para prever, por exemplo, quando um processo terá a próxima movimentação relevante e quanto o conjunto de ações de um tipo vai custar no trimestre.

As séries são longas e desiguais: processos com vida de anos, outros que acabam em semanas, movimentações em datas irregulares e muitos valores ausentes. Arquiteturas como LSTM, convolução temporal e Transformers para séries precisam ser comparadas com baselines estatísticos, e a vantagem tem de aparecer na validação por tempo. Também é preciso explicar a previsão a quem decide sobre provisões.

Mede-se erro por horizonte, calibração da incerteza, tempo de treino e latência de inferência. Os modelos rodam em lote, toda noite, com monitoramento de deriva.

O que você vai fazer:

• Preparar séries de movimentação e de custo, com tratamento de ausentes e de datas irregulares
• Treinar redes para séries temporais em PyTorch, em GPU
• Comparar com baselines estatísticos e documentar quando a rede realmente ganha
• Quantificar a incerteza das previsões com quantis ou conjuntos
• Otimizar a inferência em lote e exportar o modelo para ONNX quando fizer sentido
• Criar o conjunto de validação por tempo e acompanhar o erro por horizonte
• Monitorar deriva e definir quando retreinar
• Explicar o modelo e seus limites às áreas de provisão e de contencioso

Requisitos:

• Redes neurais para séries temporais, como LSTM, convolução temporal ou Transformers
• PyTorch ou Tensor Flow, com treino em GPU
• Validação por tempo, sem vazamento, e métricas de previsão probabilística
• Python limpo e testes
• Docker e noção de inferência em lote
• Honestidade para dizer quando um modelo simples basta

Diferenciais:

• Experiência com modelos de previsão de eventos e de sobrevivência
• Otimização para inferência, com ONNX ou quantização
• Conhecimento de dados processuais
• Interpretabilidade de modelos de séries

Como é trabalhar aqui:

Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em São Paulo, SP. Todo experimento é registrado com dados, configuração e resultado, e a revisão exige comparação com o baseline antes de aceitar uma rede mais complexa. O time conversa com o jurídico sobre o uso das previsões antes de qualquer mudança no formato de entrega. 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
• Séries temporais
• Tensor Flow
• ONNX
• CUDA
• Docker
• Git

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