Engenheiro(a) de Deep Learning Sênior (Linguagem Natural no Mercado Imobiliário)
Sobre a vaga
Vaga aberta de Engenheiro(a) de Deep Learning Sênior (Linguagem Natural no Mercado Imobiliário). 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.
Anúncios de imóveis chegam com texto livre: metragem escrita de três jeitos, vaga de garagem dentro da frase, condomínio misturado com imposto predial e promessas como aceita permuta. Junto vêm matrículas e contratos digitalizados, com cláusulas longas. Você vai treinar e colocar em produção modelos de linguagem em português que extraem esses atributos, classificam o tipo de anúncio e alimentam a busca semântica do portal.
O que dá errado é conhecido. O modelo troca área útil por área total, confunde valor de venda com valor de locação e inventa campo que o texto não traz. Cada erro vira filtro errado na busca ou alerta falso para quem procura imóvel. Por isso a qualidade se mede por campo, com conjunto rotulado por pessoas, e cada nova versão só sobe se não piorar nenhum campo crítico.
Há também a pressão de custo e latência: a extração roda em milhares de anúncios por hora e a busca precisa responder em poucas centenas de milissegundos, o que pede destilação, quantização e exportação para ONNX.
O que você vai fazer
- Ajustar modelos de linguagem em português para extração de atributos de anúncios e documentos
- Montar e manter o conjunto rotulado, com guia de anotação e medida de concordância entre anotadores
- Medir precisão e cobertura por campo e separar erro de área, preço e endereço
- Destilar e quantizar o modelo para caber no orçamento de latência da busca
- Treinar em GPU com experimentos registrados e reproduzíveis
- Exportar para ONNX e validar que a saída bate com a do modelo original
- Monitorar texto novo fora da distribuição, como gíria regional e formato novo de anúncio
Requisitos
- Treinar e ajustar redes de linguagem com PyTorch, do dado ao modelo avaliado
- Entender tokenização, atenção e as limitações de modelos em texto de domínio
- Avaliar modelos com métricas por classe e saber ler uma matriz de confusão
- Python limpo, com testes e código revisável
- Noção de otimização para inferência, como quantização e batch
- Clareza para explicar erro de modelo a quem não é da área
Diferenciais
- Ter trabalhado com texto em português informal ou jurídico
- Conhecer busca semântica com embeddings
- Já ter exportado modelo para ONNX ou TensorRT
- Noção de anotação ativa para escolher o que rotular primeiro
- Interesse pelo vocabulário do mercado imobiliário
Como é trabalhar aqui
Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em São Paulo, SP. Cada experimento é registrado com dado, configuração e métrica, e a decisão de promover um modelo sai de revisão em dupla. As conversas de rotina são curtas e a documentação do guia de anotação é parte da entrega. 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.