Engenheiro de Deep Learning Sênior; Séries Temporais na Indústria)

Vaga aberta de Engenheiro(a) de Deep Learning Sênior (Séries Temporais na Indústria). 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.

Sensores de vibração, temperatura, corrente e pressão geram milhares de leituras por segundo em máquinas da indústria. Dentro dessas séries estão os sinais de que um rolamento vai falhar, de que um processo saiu da faixa ou de que a qualidade do lote está se degradando. Você vai desenhar e treinar redes neurais para séries temporais que detectam esses padrões a tempo de agir.

Os desafios são específicos. Falhas reais são raras, então o rótulo é escasso e desbalanceado. Os sensores têm ruído, lacunas e deslocamento de calibração. Um modelo que acerta no laboratório pode falhar quando a máquina troca de regime. A métrica certa não é acurácia, e sim antecedência do aviso e taxa de alarme falso por semana por equipamento.

O modelo precisa rodar perto da máquina, em hardware limitado, com latência de milissegundos. Parte do trabalho é reduzir a rede sem perder a capacidade de detecção, e exportar com formato portável para o equipamento de borda.

• Definir a arquitetura (convolucional, recorrente ou atenção) para cada tipo de sinal e horizonte
• Construir o pipeline de janelas, normalização e aumento de dados para séries
• Lidar com rótulo escasso por pré-treino, simulação e aprendizado semi-supervisionado
• Treinar em GPU, com experimentos reprodutíveis e comparação com linhas de base simples
• Avaliar por antecedência de aviso, alarme falso por semana e desempenho por regime de operação
• Quantizar e exportar para ONNX e medir latência no hardware de borda
• Investigar falhas de modelo em produção e decidir retreino, ajuste ou retirada
• Orientar o time na revisão de experimentos e na disciplina de validação

• Domínio de redes neurais aplicadas a sinais no tempo, em PyTorch ou Tensor Flow
• Treino em GPU e diagnóstico de problemas como sobreajuste e instabilidade
• Tratamento de dados ruidosos, desbalanceados e com lacunas
• Otimização de inferência: quantização, poda e exportação para ONNX
• Escolha de métricas de detecção de anomalia e de falha conforme o custo
• Responsabilidade pelo desenho, pelo incidente e pelo padrão que o time segue

• Processamento de sinais clássico, como espectro e filtros
• Modelos de detecção de anomalia sem rótulo
• Implantação em dispositivos de borda ou em CPU restrita
• Conhecimento de manutenção preditiva e modos de falha mecânica

Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em São Paulo, SP. Resultados de experimento entram sempre com a linha de base ao lado, e o time discute o que não funcionou com a mesma atenção do que funcionou. Incidentes de modelo geram um texto curto de causa e de correção. 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
• Tensor Flow
• CUDA
• ONNX
• Docker
• Séries temporais
• Otimização de inferência

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