Engenheiro de Deep Learning Pleno; OCR de Documentos na Indústria)

Vaga aberta de Engenheiro(a) de Deep Learning Pleno (OCR de Documentos na Indústria). 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:

A indústria recebe e emite uma montanha de papel digitalizado: notas fiscais de insumo, laudos de qualidade, certificados de material, ordens de compra e fichas de inspeção. Boa parte chega em foto de celular, com sombra, inclinação, carimbo por cima do texto e tabelas sem linha. Você vai construir os modelos que localizam, leem e estruturam esses campos para entrarem no sistema sem digitação.

O trabalho é de visão e de texto. Detecção de regiões e de tabelas, reconhecimento de caracteres em fontes ruins, tratamento de números com vírgula e ponto, e correção por contexto, como validar o dígito do CNPJ ou a soma dos itens. Um campo lido errado em um laudo de material pode liberar um lote que não deveria sair, então confiança por campo e encaminhamento para revisão humana fazem parte do desenho.

Medimos acerto por campo, taxa de documentos que passam sem intervenção, tempo de inferência por página e custo por documento. Os modelos precisam rodar rápido, em GPU ou em CPU otimizada.

• Rotular e organizar o conjunto de documentos, com cuidado com dados pessoais e sigilo comercial
• Treinar modelos de detecção de regiões e de reconhecimento de texto em Py Torch
• Construir a etapa de pós-processamento com regras de validação e correção
• Calibrar a confiança por campo e definir o corte para revisão humana
• Exportar para ONNX e otimizar a inferência para o limite de tempo por página
• Criar o conjunto de teste por tipo de documento e acompanhar o acerto por campo
• Empacotar em contêiner e publicar como serviço
• Analisar erros e decidir o que coletar de dado novo

• Redes neurais para visão, com PyTorch ou Tensor Flow
• Entendimento de detecção, segmentação e reconhecimento de sequência de caracteres
• Tratamento de imagem: binarização, correção de inclinação e ruído
• Métricas por campo e leitura crítica de matriz de erro
• Docker e noção de otimização de inferência
• Python limpo, com teste e Git

• Treino em GPU e uso de precisão mista
• Modelos de layout de documento e de leitura de tabela
• Quantização e exportação para ONNX ou TensorRT
• Conhecimento de documentos fiscais brasileiros
• Prática com aprendizado ativo para escolher o que rotular

Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em São Paulo, SP. Mudanças de modelo só entram depois de comparadas com o conjunto de teste fixo, e a revisão olha o erro por tipo de documento, não só a média. O time documenta cada versão de dados e de modelo para qualquer resultado poder ser reproduzido.

• 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
• OCR
• ONNX
• CUDA
• Tensor Flow
• Docker
• Git

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