Engenheiro(a) de Deep Learning Sênior (Detecção de Objetos em Vídeo na Logística)
Sobre a vaga
Vaga aberta de Engenheiro(a) de Deep Learning Sênior (Detecção de Objetos em Vídeo na Logística). A empresa contratante é confidencial neste anúncio, e a seleção é conduzida pela Sylision. Modelo 100% remoto. Contratação: tempo integral, CLT ou PJ.
Publicada em 03/11/2026.
Em um centro de distribuição, câmeras nas docas filmam o carregamento. O modelo que você vai levar para produção detecta paletes, caixas e pessoas, conta o que entra e sai de cada caminhão, e sinaliza divergência com o romaneio e situação de risco, como pessoa na zona de manobra da empilhadeira. A imagem mostra o que o papel não mostra.
O ambiente é difícil: luz baixa, reflexo de portão, oclusão por caminhão, câmera suja ou deslocada, e movimento rápido de empilhadeiras e de pessoas. Rodar tudo na nuvem sai caro e atrasa, então boa parte da inferência acontece em equipamento na borda, com limite de memória e de energia. Rastrear o mesmo objeto de quadro a quadro, sem contar duas vezes, é metade do problema.
Você responde pelo desenho da rede, pelo treino em GPU, pela otimização para a borda e pelo monitoramento. Mede-se por erro de contagem contra conferência manual, taxa de alertas de risco corretos, quadros processados por segundo no equipamento e queda de desempenho por câmera.
O que você vai fazer
- Treinar detectores e rastreadores de paletes, caixas e pessoas em vídeo de doca
- Montar e manter o conjunto rotulado, com cenários de noite, chuva, reflexo e oclusão
- Resolver a contagem sem duplicidade com rastreamento entre quadros
- Otimizar o modelo para a borda com quantização, ONNX e TensorRT
- Avaliar por câmera, turno e tipo de carga, com erro de contagem contra conferência manual
- Definir limiares e regras de alerta de risco com a equipe de segurança
- Monitorar deriva por câmera, como mudança de ângulo e sujeira, e acionar reavaliação
- Definir o padrão de experimento para as câmeras e orientar quem está começando no time
Requisitos
- Domínio de PyTorch ou TensorFlow em detecção e rastreamento de objetos
- Conhecimento de arquiteturas de detecção em tempo real
- Treino em GPU e otimização para inferência em equipamento de borda
- Métricas de domínio: mAP, erro de contagem e taxa de alertas falsos
- Tratamento de vídeo e de dados desbalanceados
- Responsabilidade ao tratar imagens de pessoas e incidente de modelo
Diferenciais
- Experiência com dispositivos de borda, como placas de GPU embarcada
- Rastreamento de múltiplos objetos
- Conhecimento de segurança do trabalho em armazém
- Aprendizado com poucos rótulos, ativo ou autossupervisionado
- Cuidado com privacidade em vídeo e com a LGPD
Como é trabalhar aqui
Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em Minas Gerais. Cada versão de modelo é discutida em revisão técnica com os números por câmera e os exemplos de erro na tela. Incidentes viram documento curto com causa e ação, e o padrão do time é atualizado. Na candidatura, informe a sua pretensão salarial.
Benefícios oferecidos pela empresa contratante
- 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 TotalPass e Mediquo
- Cuidado com a saúde mental pelo programa Team Care
- Contratação e jornada definidas com a empresa contratante
Tecnologias
Vagas parecidas
Como funciona o processo
- Você envia o currículo uma única vez. Ele entra no banco da Sylision e vale para os processos compatíveis, os de hoje e os que abrirem depois.
- A busca é feita por pessoas: quando surge um processo que combina com o que você faz, a gente chama, normalmente por WhatsApp.
- Os seus dados são tratados conforme a LGPD, e a remoção é feita a qualquer momento, a seu pedido.
Antes de aceitar qualquer proposta
A Sylision existe para você saber onde está entrando
Nós somos um acervo público sobre como as empresas funcionam por dentro, feito de respostas de quem já saiu delas. Dá para ver quanto tempo as pessoas ficavam, quantas saíram no último ano e o que mudou de um ano para o outro, antes de você responder a uma proposta.
As vagas são uma porta. O que a gente faz é isto, e ele só existe porque quem já saiu respondeu. Leva de 2 a 3 minutos, é de múltipla escolha, e não pede CPF nem e-mail.
Candidate-se a esta vaga
Anexe o seu currículo. Ele vale para esta vaga e para os próximos processos compatíveis, sem refazer cadastro.