Engenheiro(a) de Deep Learning Sênior (Séries Temporais no Setor de Energia)
Sobre a vaga
Vaga aberta de Engenheiro(a) de Deep Learning Sênior (Séries Temporais no Setor de Energia). 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 05/11/2026.
Milhões de medidores inteligentes enviam leituras a cada quinze minutos. Entre elas escondem-se consumos que sugerem ligação clandestina, medidor adulterado, equipamento com defeito ou apenas uma casa vazia no feriado. Separar esses casos com redes neurais é o desafio, porque o rótulo é raro, tardio e muitas vezes errado, já que só existe quando uma equipe visita o endereço.
Você vai treinar e levar para produção modelos de séries temporais, como autoencoders, redes recorrentes e arquiteturas de atenção, para detectar padrão anômalo de consumo. O trabalho passa por montar o conjunto rotulado a partir do histórico de inspeções, tratar a falta de rótulos, definir a métrica que importa para a equipe de campo e reduzir o modelo para rodar em lote sobre toda a base na janela noturna.
Funcionou quando a lista que o modelo manda para inspeção tem mais acertos do que a seleção atual por regra, quando o custo da GPU cabe na janela de processamento e quando é possível explicar para o campo por que aquele endereço foi indicado.
O que você vai fazer
- Montar o conjunto de treino a partir de leituras e do resultado das inspeções
- Treinar autoencoders e modelos sequenciais para anomalia de consumo
- Lidar com poucos rótulos e com rótulos tardios usando aprendizado semissupervisionado
- Definir a métrica por precisão nas primeiras posições da lista de inspeção
- Otimizar a inferência com quantização, ONNX e processamento em lote
- Dimensionar o uso de GPU para a janela noturna de processamento
- Gerar explicações simples sobre o padrão que levou à indicação
- Acompanhar a deriva dos modelos entre estações do ano e mudanças de tarifa
Requisitos
- Redes neurais para séries temporais em PyTorch ou TensorFlow
- Detecção de anomalia com poucos rótulos e avaliação de lista ranqueada
- Treino em GPU, com controle de experimento reproduzível
- Exportação e otimização de modelos para inferência em lote
- Python de produção com testes e containers
- Condução técnica de decisões de modelagem e de incidentes
Diferenciais
- Conhecimento de dados de medição inteligente
- Aprendizado autossupervisionado em séries
- Conhecimento de perdas não técnicas no setor elétrico
- Experiência com processamento distribuído de grandes volumes de leitura
- Capacidade de transformar o resultado do modelo em protocolo para equipes de campo
Como é trabalhar aqui
Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em São Paulo, SP. Há revisão de experimento antes de qualquer modelo seguir para produção, e o retorno das inspeções alimenta a nova rodada de treino. O time documenta cada decisão de modelagem em um registro compartilhado. 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.