Especialista em Inteligência Artificial; Ajuste Fino de Modelos no E-commerce

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.

Um e-commerce quer modelos que falem o português do cliente e conheçam o seu catálogo: títulos de anúncio, respostas a perguntas sobre produto, classificação de avaliações. Modelos genéricos erram nomes de marca, inventam especificações e custam caro em volume. Você vai decidir quando vale ajustar um modelo e conduzir esse ajuste fino de ponta a ponta.

A primeira decisão é se ajuste fino é mesmo a resposta, ou se melhor prompt, recuperação de contexto ou um modelo menor resolvem. Quando vale, vêm as perguntas difíceis: como montar dados de treino sem vazar dado pessoal de cliente, como evitar que o modelo esqueça o que já sabia, como comparar versões com um conjunto de avaliação que reflita o uso real, e quanto o ajuste reduz de custo por requisição.

Você responde pelo desenho técnico e pelo risco. Cabe conversar com negócio e jurídico sobre o que pode entrar no treino, definir o critério de sucesso antes de gastar GPU e orientar os engenheiros que executam. O resultado é medido por qualidade na avaliação, custo por resposta e incidentes em produção.

• Decidir entre prompt, recuperação de contexto e ajuste fino, com evidência
• Desenhar o conjunto de dados de treino e as regras de exclusão de dado pessoal
• Conduzir ajuste fino com técnicas eficientes, como LoRA
• Definir avaliação offline e online, com critério de aprovação prévio
• Planejar versionamento, implantação e reversão de modelos
• Medir custo, latência e qualidade de cada candidato
• Orientar engenheiros e levar o risco ao jurídico e ao negócio

• Decisão de arquitetura em produtos com LLMs, com resultado mensurado
• Domínio de PyTorch e do conjunto de bibliotecas de modelos abertos
• Prática de ajuste fino e de seus riscos, como esquecimento e sobreajuste
• Desenho de avaliação com métricas e conjuntos de comparação confiáveis
• Noção de MLOps: versionamento, implantação e monitoramento
• Comunicação com áreas não técnicas sobre risco e custo

• Destilação de modelos para reduzir custo
• Alinhamento por preferência
• Treino distribuído em várias GPUs
• Conhecimento de LGPD aplicada a dados de treino
• Atuação em busca ou recomendação de produtos

Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em São Paulo, SP. Decisões de arquitetura são escritas em documentos curtos e discutidas antes de virar trabalho, e você revisa os experimentos de quem executa. O ritmo é de ciclos de experimento com critério fechado de antemão, e as métricas ficam visíveis para todos. Na candidatura, informe a sua pretensão salarial.

• 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

• Python
• LLMs
• MLOps
• Py Torch
• Avaliação de modelos
• Nuvem
• Git
• Ajuste fino
• LoRA

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