Engenheiro de Deep Learning Sênior; Linguagem Natural no Mercado Imobiliário

Vaga aberta de Engenheiro(a) de Deep Learning Sênior (Linguagem Natural no Mercado Imobiliário). 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.

Anúncios de imóveis chegam com texto livre: metragem escrita de três jeitos, vaga de garagem dentro da frase, condomínio misturado com imposto predial e promessas como aceita permuta. Junto vêm matrículas e contratos digitalizados, com cláusulas longas. Você vai treinar e colocar em produção modelos de linguagem em português que extraem esses atributos, classificam o tipo de anúncio e alimentam a busca semântica do portal.

O que dá errado é conhecido. O modelo troca área útil por área total, confunde valor de venda com valor de locação e inventa campo que o texto não traz. Cada erro vira filtro errado na busca ou alerta falso para quem procura imóvel. Por isso a qualidade se mede por campo, com conjunto rotulado por pessoas, e cada nova versão só sobe se não piorar nenhum campo crítico.

Há também a pressão de custo e latência: a extração roda em milhares de anúncios por hora e a busca precisa responder em poucas centenas de milissegundos, o que pede destilação, quantização e exportação para ONNX.

• Ajustar modelos de linguagem em português para extração de atributos de anúncios e documentos
• Montar e manter o conjunto rotulado, com guia de anotação e medida de concordância entre anotadores
• Medir precisão e cobertura por campo e separar erro de área, preço e endereço
• Destilar e quantizar o modelo para caber no orçamento de latência da busca
• Treinar em GPU com experimentos registrados e reproduzíveis
• Exportar para ONNX e validar que a saída bate com a do modelo original
• Monitorar texto novo fora da distribuição, como gíria regional e formato novo de anúncio

• Treinar e ajustar redes de linguagem com PyTorch, do dado ao modelo avaliado
• Entender tokenização, atenção e as limitações de modelos em texto de domínio
• Avaliar modelos com métricas por classe e saber ler uma matriz de confusão
• Python limpo, com testes e código revisável
• Noção de otimização para inferência, como quantização e batch
• Clareza para explicar erro de modelo a quem não é da área

• Ter trabalhado com texto em português informal ou jurídico
• Conhecer busca semântica com embeddings
• Já ter exportado modelo para ONNX ou TensorRT
• Noção de anotação ativa para escolher o que rotular primeiro
• Interesse pelo vocabulário do mercado imobiliário

Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em São Paulo, SP. Cada experimento é registrado com dado, configuração e métrica, e a decisão de promover um modelo sai de revisão em dupla. As conversas de rotina são curtas e a documentação do guia de anotação é parte da entrega. 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
• Py Torch
• Transformers
• ONNX
• CUDA
• Docker
• Extração de entidades
• Git

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