Engenheiro de IA/ML

Engenheiro de IA/ML role illustration

Engenheiro de IA/ML

Localização: GIFT City, Gandhinagar, Gujarat – Índia. (Trabalho no escritório)

Experiência: 6+ anos

Sobre a função

Procuramos um engenheiro de IA/ML altamente experiente, com profundo conhecimento em design, treinamento, implantação e otimização de modelos de aprendizado de máquina para ambientes de produção. Você liderará iniciativas complexas de IA em Visão Computacional, PNL, modelagem preditiva, GenAI e análises de saúde baseadas em rPPG, apoiando clientes globais e aplicações empresariais de grande escala.

Essa função é ideal para alguém que combina forte conhecimento de pesquisa com habilidades práticas de engenharia e pode arquitetar sistemas de ML de ponta a ponta.

Principais responsabilidades:

  • :Desenvolvimento e pesquisa de modelos
  • Projete, treine e otimize modelos avançados de ML para CV, PNL, previsão, recomendação e detecção de anomalias.
  • Crie pipelines de aprendizado profundo usando PyTorch, TensorFlow ou JAX.
  • Experimente arquiteturas SOTA, como Transformers, Vision Transformers, variantes YOLO, híbridos RNN/CNN e modelos de difusão.
  • Liderar experimentação de rPPG e processamento de sinal para estimativa de sinais vitais (frequência cardíaca, VFC, estimativa de PA, etc.). Integração GenAI e LLM
  • Ajustar e integrar LLMs (modelos Llama, Mistral, OpenAI).
  • Crie pipelines RAG, sistemas de pesquisa vetorial e fluxos de trabalho de compreensão semântica.
  • Implemente chamadas de funções, integrações de ferramentas e sistemas de IA multiagentes. Engenharia e implantação de ML
  • Crie pipelines de ML escalonáveis, fluxos de trabalho de treinamento e sistemas de avaliação automatizados.
  • Trabalhe em estreita colaboração com o DevOps para implantar serviços de inferência usando Docker, ONNX Runtime, TensorRT ou APIs nativas da nuvem.
  • Implemente monitoramento de modelo, detecção de desvios e ciclos de melhoria contínua.
  • Otimize o desempenho da GPU/CPU para inferência em tempo real. Engenharia e análise de dados
  • Trabalhe com grandes conjuntos de dados em formatos de vídeo, imagens, texto e tabulares.
  • Desenvolva fluxos de trabalho de pré-processamento de dados, engenharia de recursos e anotação.
  • Garanta a qualidade dos dados, a precisão da rotulagem e o uso ético do conjunto de dados. Colaboração multifuncional
  • Trabalhe em estreita colaboração com equipes de back-end, dispositivos móveis e produtos para integrar ML aos aplicativos.
  • Traduza os requisitos de negócios em soluções baseadas em ML.
  • Mentor de engenheiros e estagiários juniores de ML.

Habilidades necessárias

  • Mais de 6 anos de experiência em engenharia de IA/ML, aprendizagem profunda ou pesquisa aplicada.
  • Forte proficiência em Python, PyTorch, TensorFlow e Scikit-learn.
  • Expertise em Visão Computacional (detecção, segmentação, OCR, rastreamento, rPPG).
  • Experiência com LLMs, embeddings, sistemas RAG e arquiteturas de transformadores.
  • Sólida compreensão de otimização de modelo, quantização e aceleração de inferência.
  • Experiência prática com AWS, GCP ou Azure para implantação de ML.
  • Forte formação em matemática em álgebra linear, estatística e otimização.
  • Capacidade de projetar sistemas de ML ponta a ponta, desde a ingestão de dados até a produção.
  • Forte mentalidade de depuração, resolução de problemas e pesquisa.

Habilidades interessantes

  • Experiência com pipelines de inferência ONNX, TFLite, TensorRT ou GPU.
  • Conhecimento de técnicas de processamento de sinais para dados biomédicos (PPG/rPPG).
  • Exposição a ferramentas MLOps (DVC, MLflow, Kubeflow, Airflow).
  • Familiaridade com ferramentas de anotação de dados e pipelines de aprendizagem ativos.
  • Publicações, medalhas Kaggle ou contribuições de código aberto.
  • Experiência na criação de produtos de IA SaaS ou APIs de ML de nível empresarial.

Perguntas frequentes

Você liderará ML de produção em visão computacional, PNL, modelagem preditiva, GenAI/RAG e análise de saúde baseada em rPPG usando PyTorch, TensorFlow ou JAX, e enviará inferência com Docker, ONNX Runtime, TensorRT ou APIs de nuvem.