Pesquisador/desenvolvedor de software aplicado a machine learning - pleno (health data lab)

Formação Acadêmica

• Graduação em Ciência da Computação, Engenharia da Computação ou áreas correlatas;
• Desejável Mestrado ou Doutorado em andamento em Inteligência Artificial, Processamento de Sinais, Aprendizado de Máquina, Deep Learning ou áreas afins.

Principais Atividades

• Conduzir pesquisa científica em métodos de aprendizado autossupervisionado (SSL) para extrair representações de dados não rotulados, com foco em séries temporais e dados tabulares;
• Definir protocolos experimentais e métricas de avaliação para métodos de SSL, conduzindo estudos comparativos e análises estatísticas com abordagens supervisionadas e semissupervisionadas;
• Desenvolver e integrar ferramentas de suporte à pesquisa, incluindo pipelines de dados, orquestração de experimentos e rastreabilidade de resultados;
• Colaborar com equipes multidisciplinares para integrar soluções de SSL;
• Redigir e revisar artigos científicos e relatórios técnicos.

Principais Habilidades

• Experiência em pesquisa aplicada e desenvolvimento experimental em Machine Learning e Deep Learning, incluindo formulação de hipóteses, desenho experimental e análise estatística;
• Conhecimento de aprendizado de representações e métodos de aprendizado autossupervisionado (SSL);
• Capacidade de desenvolver e integrar ferramentas e pipelines de suporte à pesquisa, assegurando reprodutibilidade e rastreabilidade dos experimentos;
• Capacidade de colaborar com equipes multidisciplinares e comunicar métodos e resultados de pesquisa;
• Experiência com escrita, revisão e submissão de artigos científicos.

Habilidades Desejáveis

• Publicações em conferências e periódicos científicos em computação;
• Experiência com aprendizado de representações multimodais;
• Experiência no processamento e modelagem de séries temporais e dados tabulares;
• Experiência com métodos de aprendizado autossupervisionado (SSL).

Tecnologias

• Linguagens: Python;
• Frameworks e Bibliotecas de IA, como PyTorch, Lightning, TensorFlow, Scikit-learn e Hugging Face (Transformers, Datasets e PEFT);
• Ferramentas de desenvolvimento e automação: Git e CI/CD;
• Ferramentas de orquestração de pipelines, rastreamento e visualização de experimentos, como Kubeflow, Apache Airflow, MLflow e TensorBoard.

Tecnologias Desejáveis

• Infraestrutura Computacional: Ambientes HPC e Cloud (AWS, GCP e Azure) para treinamento e inferência;
• Engenharia de Dados e Computação Distribuída: SQL, NoSQL, Data Lakes, Apache Spark e Ray;
• Desenvolvimento e integração de software científico: APIs REST e conteinerização com Docker.

Idiomas

• Inglês Intermediário.