Senior Machine Learning Engineer

Na Zytro, desenvolvemos produtos de inteligência artificial para visualização arquitetônica e fluxos de trabalho do setor de arquitetura.
Buscamos uma pessoa com conhecimento profundo em Machine Learning para assumir a responsabilidade técnica pelos modelos, agentes e sistemas de AI dos nossos produtos, desde datasets e a definição das arquiteturas até o treinamento, avaliação e a operação em produção.
Você trabalhará com profissionais de desenvolvimento de software e design, com autonomia para propor soluções e conduzir projetos, considerando qualidade, viabilidade técnica e custos computacionais.
Os desafios da posição
Processamento e restauração de imagens: evolução de modelos de super resolution, com fine-tuning de arquiteturas pré-treinadas e otimização da inferência.
Análise de iluminação: identificação de fontes de luz, geração de máscaras e estimativa de suas contribuições na imagem.
Predição de canais de renderização: desenvolvimento de modelos para estimar informações de canais de render de software 3D como 3dsmax, blender, Corona, entre outros.
Agentes para operação de software: desenvolvimento de agentes e adaptação de modelos por fine-tuning e Reinforcement Learning para melhorar desempenho e eficiência em tarefas específicas.
Os projetos envolvem tanto a adaptação de modelos existentes quanto a criação de arquiteturas próprias. A integração com APIs de modelos de fronteira também fará parte do trabalho, especialmente nos agentes.
Suas responsabilidades
Modelos e experimentação
Traduzir necessidades de produto em problemas de Machine Learning, definindo objetivos, métricas e critérios de aceitação.
Investigar literatura técnica e implementar abordagens adequadas aos projetos.
Projetar, treinar e avaliar modelos, combinando componentes pré-treinados com módulos próprios.
Definir funções de perda e estratégias de treinamento, diagnosticando problemas de convergência, overfitting e generalização.
Conduzir experimentos reproduzíveis, comparar resultados com baselines e realizar análises de erro.
Documentar decisões e avaliar os compromissos entre fidelidade, qualidade visual, latência e consumo de recursos.
Dados e agentes
Construir pipelines de geração, preparação e validação de datasets, incluindo dados sintéticos.
Coordenar contribuições de especialistas do domínio, com instruções e critérios de qualidade claros.
Definir divisões de treino, validação e teste, evitando vazamento de dados e avaliando cobertura, vieses e generalização.
Desenvolver agentes com uso de ferramentas e gerenciamento do contexto de execução.
Construir harnesses e ambientes de avaliação e treinamento, definindo tarefas, verificadores e recompensas.
Implementar fine-tuning e Reinforcement Learning, incluindo abordagens como GRPO, e comparar modelos adaptados com modelos de fronteira.
Produção e recursos computacionais
Integrar modelos e agentes aos produtos em colaboração com desenvolvimento e design.
Gerenciar treinamento e inferência em GPUs na nuvem, otimizando VRAM, utilização de GPU e tempo de execução.
Estimar e acompanhar gastos, respeitando os limites dos projetos e implementando controles contra consumo inesperado.
Monitorar qualidade, desempenho e falhas dos componentes de AI em produção.
Manter código, configurações, datasets e checkpoints versionados e organizados.
Requisitos essenciais
Experiência prática desenvolvendo, treinando e avaliando modelos de Deep Learning.
Domínio de Python e PyTorch, incluindo módulos próprios, funções de perda, loops de treinamento e pipelines de dados.
Conhecimento sólido de CNNs, Transformers, mecanismos de atenção e redes feedforward, com capacidade de adaptar arquiteturas ao problema.
Experiência com Computer Vision, especialmente segmentação, restauração de imagens ou predição de informações por pixel.
Fundamentos matemáticos de treinamento, otimização e avaliação, compreendendo como escolhas de dados e modelagem afetam os resultados.
Experiência com construção e curadoria de datasets, incluindo dados sintéticos.
Compreensão de abordagens discriminativas, de regressão e generativas, e de suas implicações para fidelidade e avaliação.
Experiência com GPUs, otimização de memória e recursos computacionais.
Conhecimento de serving de LLMs e ferramentas como vLLM.
Experiência com agentes que utilizam ferramentas e conhecimento aplicado de Reinforcement Learning para agentes.
Boas práticas de engenharia de software, Git e Linux.
Capacidade de ler documentação, artigos científicos e código técnico em inglês.
Diferenciais
Experiência prática com CI/CD e documentação de modelos e seus resultados.
Experiência com super resolution e arquiteturas como HAT (Hybrid Attention Transformer).
Experiência prática com GRPO ou outros métodos de Reinforcement Learning para agentes.
Experiência com RunPod e workloads serverless.
Familiaridade com renderização, iluminação, materiais e render passes.
Geração de datasets com renderizadores ou simuladores.
Treinamento distribuído e otimização de inferência.
Histórico de modelos implantados e acompanhados em produção.
Como você trabalhará com o time
Você será a principal referência técnica de AI dentro de um time com desenvolvedores e designer. Esperamos autonomia para conduzir os projetos e responsabilidade pela qualidade, confiabilidade e custos das soluções.
Isso inclui priorizar experimentos, justificar decisões com evidências, comunicar limitações e riscos e coordenar dependências com os demais profissionais.

Work arrangement
Yes