Pessoa jurídica
Applied Ai Engineer - Machine Learning & Nlp
MED4U PARTICIPACOES SOCIETARIAS S/A
A candidatura é feita no site responsável pelo anúncio.
Sobre a oportunidade
Sobre o projeto
Este projeto é focado na construção de soluções de Inteligência Artificial aplicadas à saúde, com ênfase na transformação de dados clínicos em ferramentas reais de apoio à decisão médica.
Utilizando dados de prontuários eletrônicos (EHR), exames laboratoriais e dados biomédicos, o objetivo é desenvolver aplicações inteligentes em produção, capazes de apoiar desde a prevenção até a recomendação de tratamentos.
Mais do que explorar modelos, buscamos alguém com perfil hands-on e orientado a produto, interessado em transformar modelos de IA em soluções utilizadas no dia a dia por médicos e equipes clínicas.
Esta vaga não é focada em pesquisa acadêmica pura. Buscamos pessoas que queiram crescer junto com o projeto e atuar na fronteira da aplicação de IA na saúde, construindo sistemas reais, robustos e escaláveis, com impacto direto na prática clínica.
Vaga: Applied AI Engineer – Machine Learning & NLP.
Modelo de trabalho: Híbrido.
Local: Unidade Corporativa - Alameda Dom Pedro II, 574 - Batel
Principais responsabilidades
Desenvolver, testar e implantar modelos de Machine Learning e NLP em ambientes reais, utilizando dados clínicos e biomédicos;
Construir e manter pipelines de dados e inferência, lidando com dados estruturados e não estruturados, principalmente texto clínico;
Integrar modelos de IA em produtos digitais e sistemas de apoio à decisão clínica;
Desenvolver APIs, serviços e rotinas de processamento para disponibilização dos modelos em produção;
Trabalhar com dados reais e imperfeitos de prontuários eletrônicos (EHR), realizando limpeza, normalização, estruturação e enriquecimento dos dados;
Explorar, treinar e adaptar modelos baseados em Transformers, como BERT, BioBERTpt, Llama e Gemma, com foco em aplicação prática;
Avaliar modelos com métricas adequadas ao contexto clínico e iterar rapidamente com base no feedback de uso;
Colaborar com médicos, engenheiros de dados e times de produto para definir problemas, validar soluções e evoluir funcionalidades;
Traduzir modelos e análises em funcionalidades utilizáveis em produto, garantindo geração de valor clínico;
Contribuir para a documentação técnica das soluções desenvolvidas.
Requisitos
Formação em Ciência da Computação, Ciência de Dados, Informática Biomédica ou áreas correlatas;
Experiência prática de 2 anos ou mais em desenvolvimento de soluções de Machine Learning ou NLP;
Proficiência em Python e experiência com bibliotecas de Machine Learning, como PyTorch e TensorFlow, e de NLP, como Hugging Face e spaCy;
Experiência com desenvolvimento de código colaborativo, utilizando Git, pull requests e code review;
Experiência prática na construção de aplicações, não apenas notebooks;
Familiaridade com deploy de modelos, construção de APIs ou pipelines de dados;
Conhecimento em técnicas de NLP, extração de informação e uso de LLMs;
Boa habilidade de comunicação para trabalhar com times multidisciplinares.
Diferenciais
Experiência com dados de saúde ou prontuários eletrônicos, como Tasy e MV;]
Conhecimento em interoperabilidade, como HL7 FHIR, e terminologias médicas, como SNOMED-CT, CID e LOINC;
Experiência com MLOps e monitoramento de modelos;
Experiência com frameworks para construção de agentes, como LangChain, LangGraph e LangSmith;
Experiência prévia em startups ou no desenvolvimento de produtos digitais.
Benefícios
Remuneração compatível com o mercado;
Oportunidade de atuar em um projeto inovador, com impacto direto na saúde e na vida dos pacientes;
Participação na construção de soluções reais utilizadas por médicos e equipes clínicas;
Ambiente dinâmico, com forte integração entre tecnologia, produto e área clínica;
Licença do Claude Code para apoio às atividades.
Antes de se candidatar
Confira requisitos, prazos e condições diretamente no endereço de candidatura. A Agência Sertão organiza e apresenta as informações do anúncio, mas o processo seletivo é conduzido pelo responsável indicado na página de origem.