Pesquisador/desenvolvedor de sw em ia (health data lab)

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

Principais Atividades

• Pesquisa Científica e Liderança Técnica;
• Definir hipóteses científicas, protocolos experimentais e métricas de avaliação;
• Planejar e executar experimentos para validação de novos modelos, arquiteturas e metodologias;
• Conduzir estudos comparativos e análises estatísticas de desempenho;
• Orientar pesquisadores, analistas e engenheiros na condução de atividades de P&D;
• Garantir rigor científico, reprodutibilidade e conformidade metodológica;
• Redigir e revisar artigos científicos, relatórios técnicos e patentes;
• Apoiar a elaboração de propostas técnicas para projetos financiados por agências de fomento.

• Principais Habilidades
• Atuação sólida em pesquisa aplicada e desenvolvimento experimental em IA;
• Domínio de métodos científicos, desenho experimental e análise estatística;
• Capacidade de transformar desafios científicos em soluções tecnológicas com impacto;
• Experiência na comunicação de resultados científicos para públicos técnicos, gestores e agências de fomento;
• Experiência na criação de Foundation Models;
• Experiência em processamento de séries temporais;
• Dominar Machine Learning e Deep Learning;
• Entender sobre avaliação de modelos, definição de métricas e análise de desempenho;
• Publicações em conferências e periódicos científicos relevantes;
• Dominar escrita, revisão e submissão de artigos científicos, escrita técnica para patentes, relatórios técnicos e documentos de projetos de P&D.

• Habilidades desejáveis
• Experiência com modelos multimodais (texto, áudio, vídeo e sensores);
• Atuação prévia em centros de pesquisa, laboratórios de P&D ou projetos financiados por agências públicas;
• Experiência em projetos colaborativos academia–indústria.

Tecnologias

• Linguagens: Python (avançado), Bash, C/C++ (desejável);
• Frameworks e Bibliotecas de IA: PyTorch, Tensor
• Flow, Hugging Face (Transformers, Datasets), Scikit-learn;
• Modelos de IA de grande escala: Criação, Fine-tuning, avaliação e benchmarking de modelos;
• Git, CI/CD, versionamento de dados e experimentos (DVC, LakeFS);
• Infraestrutura Computacional: Ambientes HPC e Cloud (AWS, GCP, Azure) para treinamento e inferência;
• Engenharia de Dados: SQL, NoSQL, Data Lakes, pipelines de dados, Apache Spark;
• Arquitetura de Software Científico: APIs REST, microsserviços, reprodutibilidade e rastreabilidade de experimentos;
• Monitoramento Científico: Métricas de modelos, detecção de drift de dados e auditoria de experimentos.

Idioma

• Inglês Avançado.