Engenheiro de Deep Learning Pleno; Séries Temporais na Saúde

Vaga aberta de Engenheiro(a) de Deep Learning Pleno (Séries Temporais na Saúde). 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.

Monitores de beira de leito emitem frequência cardíaca, saturação, pressão e respiração a cada poucos segundos. Em uma unidade de terapia intensiva, o desafio é detectar sinais de deterioração com antecedência suficiente para a equipe agir, sem inundar enfermeiros com alarmes falsos. Você vai treinar e levar para produção redes neurais sobre essas séries temporais.

Os dados são difíceis. Sensores desconectam e geram buracos, cada paciente tem uma linha de base própria, eventos graves são raros e o rótulo vem de registros clínicos com horário aproximado. É preciso decidir a janela de observação, como imputar o que faltou e como evitar que o modelo aprenda o que o monitor já alarma sozinho.

A inferência roda perto do fluxo de dados e tem limite de latência. A qualidade se mede por sensibilidade na antecedência desejada, por alarmes por leito por dia e por calibração das probabilidades, validadas por paciente e nunca misturando leituras do mesmo paciente entre treino e teste.

• Preparar janelas deslizantes de sinais vitais com tratamento de lacunas e de artefatos
• Treinar redes convolucionais temporais, recorrentes ou baseadas em atenção e compará-las com um baseline simples
• Montar a divisão por paciente e por período para evitar vazamento entre treino e teste
• Tratar desbalanceamento com ponderação de perdas e amostragem, medindo o efeito na calibração
• Exportar o modelo para ONNX e medir latência em CPU e em GPU
• Calibrar limiares com a equipe clínica em torno de alarmes por leito
• Acompanhar em produção a deriva dos sinais e a taxa de alarmes

• PyTorch ou Tensor Flow para construir e depurar redes sobre sequências
• Entendimento de séries temporais: sazonalidade, estacionariedade e janelas
• Métricas para classes raras, como precisão e revocação por limiar
• Treino em GPU, com controle de sementes e de experimentos
• Capacidade de explicar a um profissional de saúde o que o modelo vê e o que ele não vê

• Ter usado transformers ou modelos de estado para sinais contínuos
• Experiência em quantização e otimização de inferência
• Noção de padrões de interoperabilidade clínica
• Familiaridade com calibração de probabilidades e curvas de decisão

Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em São Paulo, SP. O time trabalha com ciclos curtos de experimento, registro de cada execução e revisão de resultados em conjunto com quem entende de assistência. Mudança de limiar nunca vai ao ar sem discussão documentada. 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
• Git
• Séries temporais
• Redes recorrentes

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