Empresa: LODI
Projeto de inovação da ICT ITAÚ em parceria Inova Talentos .
Pré-Requisitos:
Perfil do bolsista: mestrado
Formação: mestrado cursando ou concluído.
Cursos: Ciência da Computação, Engenharia de Computação/Software, Sistemas de Informação, Estatística, Matemática Aplicada, Engenharia Elétrica, Ciência de Dados ou áreas correlatas das Ciências Exatas e Engenharias.
Atividades:
1. Pré-processamento e enriquecimento de textos
Limpeza, tokenização, lematização e remoção de ruídos em documentos textuais.
Extração de características (features) relevantes para modelos de NLP.
2. Geração e gestão de embeddings
Criar embeddings de documentos e consultas usando modelos como Sentence-BERT, OpenAI ada ou similares.
Armazenar e indexar embeddings em bancos vetoriais (FAISS, ChromaDB, Qdrant ou Pinecone).
3. Construção de pipelines de busca semântica, recuperação de informação e aplicações com RAG
Desenvolver pipelines que combinam: consulta ? embedding ? busca vetorial ? re-ranking (opcional) ? uso do contexto recuperado em aplicações com RAG.
Avaliar a qualidade da recuperação e das respostas geradas em cenários de NLP e RAG, utilizando métricas como recall@k e MRR.
4. Adaptação e experimentação com modelos em PyTorch ou TensorFlow
Utilizar modelos pré-treinados e adaptá-los para tarefas específicas, como classificação, similaridade e extração de informação, com ajustes simples quando necessário.
Experimentar com diferentes arquiteturas (transformers, redes neurais simples).
5. Documentação e versionamento
Documentar pipelines, decisões técnicas e resultados de experimentos.
Utilizar Git para controle de versão do código.
Conhecimentos necessários
• Programação em Python com domínio de tipagem, manipulação de dados (pandas/polars) e uso de ambientes virtuais.
• Experiência prática com NLP incluindo: tokenização, stemming/lematização, remoção de stopwords, vetorização (TF IDF, word2vec ou embeddings).
• Conhecimento aplicado de embeddings, busca semântica e técnicas de RAG (ex.: Sentence BERT, modelos de embeddings atuais ou similares), além de familiaridade com bancos vetoriais (ex.: FAISS, ChromaDB, Pinecone, Qdrant).
• Experiência com pelo menos um framework de deep learning (PyTorch ou TensorFlow) – suficiente para carregar modelos pré treinados e fine tuning simples.
• Noção de pipelines analíticos e experimentação em ciência de dados aplicada a NLP (ex.: extração ? pré processamento ? embedding ? busca/classificação ? geração com contexto) e versionamento com Git.
Requisitos desejáveis (diferenciais)
• Experiência com modelos gerativos (LLMs), engenharia de prompts e avaliação de respostas será um diferencial importante.
• Conhecimento de bancos relacionais (PostgreSQL) e NoSQL (MongoDB, Redis).
• Vivência em projetos reais (acadêmicos ou profissionais) com documentação e testes.
Informações adicionais:
Disponibilidade: 40h semanais
Duração: 12 meses
Bolsa Auxílio: R$ 9.000,00
Atuação: Remota
Conheça o INOVA TALENTOS
https://vimeo.com/676464243/165a0bf5f5
https://vimeo.com/fabrikafilmes/review/680121344/b5b3c6e91d
Número de vagas: 1
Tipo de contrato e Jornada: Outros – Período Integral
Área Profissional: Trainee em Informática, TI, Telecomunicações – Análise de Sistema
Exigências
– Escolaridade Mínima: Pós-graduação – Mestrado