SENAI/PE – CÓD. 107 PESQUISADOR II (aprendizado por reforço)
Antes de realizar sua inscrição, leia com atenção as informações disponíveis nas Regras do Processo Seletivo – SENAI (clique aqui)
- INSCRIÇÕES: 17 a 26/02
Cargo: PESQUISADOR INDUSTRIAL II (aprendizado por reforço)
Código da Vaga: 107
Local de Atuação: Modelo Híbrido - Instituto SENAI de Inovação para Tecnologias da Informação e Comunicação (ISI-TICs) – Recife/PE
Detalhes da Oportunidade:
* Quantidade de vagas: 1 (contratação imediata, prazo indeterminado).
* Banco de talentos: Formação com validade de 6 meses, podendo ser prorrogado por mais 6 meses a critério da instituição. Durante a validade do banco de talentos, candidatos podem ser convocados para vagas em outras unidades da mesma região, com alterações em benefícios, horários ou carga horária, conforme necessidade.
O que esperamos de você?
Perfil Desejado: Profissional com conhecimento e vivência sólida na área de Inteligência Artificial (IA), com foco em Aprendizagem por Reforço (Reinforcement Learning - RL) e Simulação. Com conhecimento em modelagem de agentes inteligentes, desenvolvimento de ambientes simulados e otimização de políticas para tomada de decisão. E, experiência na aplicação dessas técnicas em áreas como robótica, finanças, jogos, veículos autônomos e otimização de processos industriais.
- Formação acadêmica obrigatória: Curso superior completo em Engenharia da Computação, Ciência da Computação, Sistema de Informação, Inteligência Artificial, Ciência de Dados, Engenharia de Robôs, Engenharia de Controle e Automação, Matemática Aplicada ou áreas correlatas, além de curso de Mestrado Completo nas mesmas áreas.
- Principais atividades: Planejar e executar atividades de prospecção e aquisição de projetos junto a clientes em potencial; realizar o acompanhamento dos projetos junto aos clientes; planejar, elaborar, gerir e executar projetos estratégicos e operacionais (pesquisa, desenvolvimento e inovação); desenvolver mecanismos e ferramentas de pesquisa e inovação; treinar padrões estabelecidos e buscar a melhoria contínua; identificar e prover os recursos necessários; orientar, treinar e monitorar as ferramentas de pesquisa; sugerir melhorias nas aplicações e produtos; realizar inspeções nas aplicações testadas; estudar técnicas e estatísticas nos produtos; selecionar e criar um padrão executável no desenvolvimento da pesquisa; apoiar e manter a diretoria informada e atualizada.
- Conhecimentos necessários: Aprendizado por reforço; Machine Learning, Deep Learning.
- Conhecimentos desejáveis: Experiências em Frameworks e Bibliotecas para Deep Learning e Visão Computacional (Pytorch, Tensorflow, Keras, etc.); em Ferramentas de simulação como Gazebo ou Unreal Engine; em Linguagens de programação como Python, C e C++; em simuladores robóticos; e Conhecimento em hardware-in-the-loop (HIL).
- Experiência mínima obrigatória: comprovação de 02 anos de experiência profissional em pesquisa, na área (ou área similar) de atuação da vaga.
- Flexibilidade e disponibilidade: Necessário para viagens.
O que oferecemos:
* Remuneração: R$ 11.630,03
* Benefícios: Assistência médica e odontológica; Vale-alimentação ou refeição; Day Off; Auxílio-creche; Universidade Corporativa; Empréstimo consignado; Previdência privada e Plano de carreira.
Processo Seletivo: Etapas Eliminatórias
* Toda a comunicação será feita exclusivamente por e-mail. Fique atento à sua caixa de entrada e evite perder prazos!
1ª ETAPA – Inscrição
2ª ETAPA - Análise Curricular - Para a etapa de análise curricular, será enviado um formulário para preenchimento do candidato. Serão consideradas apenas as informações preenchidas diretamente no formulário de aprofundamento de currículo do candidato.
3ª ETAPA - Avaliação Objetiva -Serão considerados aprovados em prova os candidatos que obtiverem nota igual ou superior a 7,0 (sete), na avaliação objetiva. Entretanto, só evoluirá para a próxima etapa, os 10 primeiros candidatos, e os empatados na décima posição, entre as maiores notas.
- CONTEÚDO PROGRAMÁTICO: Fundamentos de Inteligência Artificial e Aprendizado de Máquina (Machine Learning): Definição e principais aplicações; Diferenças entre Aprendizado Supervisionado, Não Supervisionado e Aprendizado por Reforço; Modelos clássicos de Machine Learning; Redes Neurais Artificiais (ANNs) e suas arquiteturas básicas; Overfitting, Underfitting e Técnicas de Regularização.
Fundamentos de Aprendizado Profundo (Deep Learning): Redes Neurais Profundas; Arquiteturas avançadas para aprendizado de representações; Backpropagation e funções de ativação; Transfer Learning e Fine-Tuning.
Fundamentos de Aprendizagem por Reforço (Reinforcement Learning - RL): Definição e conceitos básicos; Processos de Decisão de Markov (MDP) e Propriedades; Modelos Model-Free vs. Model-Based; Algoritmos Clássicos de RL.
Frameworks, Bibliotecas e Programação: Deep Learning; Simulação; Visão Computacional; Linguagens; Software Robótico.
4ª ETAPA - Entrevista Comportamental
5ª ETAPA - Entrevista Técnica
- Durante o processo seletivo, a Instituição poderá inverter a ordem das entrevistas.
6ª ETAPA - Análise Documental
7ª ETAPA - Finalização e Divulgação do Resultado
Critérios de Desempate: Candidatos PCD; Maior nota na entrevista; Maior tempo de experiência na área; Melhor desempenho nas etapas do processo.
Por que trabalhar conosco?
Acreditamos na construção e fortalecimento da indústria em Pernambuco, trabalhando para o desenvolvimento da educação e para os avanços em inovação e tecnologia.
Aqui, você será acolhido em um ambiente colaborativo e dinâmico.
Valorizamos a inclusão e a diversidade, por isso, todas as nossas vagas estão abertas a pessoas com deficiência (PCD) e reabilitadas pelo INSS.
Quer fazer parte da nossa equipe? Inscreva-se agora e dê o próximo passo na sua carreira.
#J-18808-Ljbffr