Pular para o conteúdo principal
EnzRossi

Alocação de engenheiros de NLP

Contrate engenheiros de NLP no padrão das empresas americanas

Engenheiros de processamento de linguagem natural que constroem classificação de texto, pipelines de extração de informação, busca semântica e aplicações com LLMs, com experiência em times de empresas dos EUA. Trabalham com modelos transformer de verdade, não só com chamadas de API.

35 engenheiros de NLP disponíveis agora

Por que a EnzRossi

Por que contratar engenheiros de NLP com a EnzRossi

Profissionais seniores, avaliados e preparados antes de chegar até você. A gente continua responsável depois da alocação.

No padrão das empresas americanas

Os mesmos profissionais que atendem empresas dos EUA: inglês fluente, code review, testes, documentação e comunicação direta. Agora no seu time.

Avaliados em cinco dimensões

Profundidade técnica, comunicação em inglês, fluência em ferramentas de IA, senso de dono e alinhamento cultural. Só 5% dos candidatos são aprovados.

Primeira shortlist em 3 dias

Sem meses de processo seletivo nem vaga parada. Você recebe perfis já avaliados e entrevista só quem faz sentido. Funções mais específicas levam de 7 a 10 dias.

2 semanas de teste e garantia de substituição

Se não for a pessoa certa, a substituição não tem custo e você paga só os dias trabalhados. Depois do teste, o contrato é mês a mês, sem multa de saída.

Em reais ou em dólar, você escolhe

Uma fatura por mês da EnzRossi, em reais ou em dólar. Nada de processo seletivo, admissão ou folha do seu lado.

NLP em português, espanhol e inglês

Trabalham nos três idiomas ao mesmo tempo. Conhecem os problemas de tokenização e os casos de borda do português, o que conta muito se os seus usuários escrevem em português.

LLMs em produção

Constroem aplicações com LLMs em produção: pipelines RAG, frameworks de avaliação, fluxos de fine-tuning e gestão de contexto. Muitos vêm de pós-graduação em NLP.

O que nossos engenheiros de NLP dominam

Hugging Face TransformersBERT, RoBERTa, DeBERTaFine-tuning de GPT / LLaMA / MistralspaCyNLTKStanzaClassificação de textoReconhecimento de entidades (NER)Extração de relaçõesAnálise de sentimentoQuestion answeringSumarizaçãoRAG (Retrieval-Augmented Generation)LangChain / LlamaIndexBancos vetoriais (Pinecone, Weaviate, pgvector)PEFT / LoRA (fine-tuning eficiente)Engenharia de promptsFrameworks de avaliação (RAGAS, TruLens)MLflow / W&B para experimentos de NLPFastAPI para serving de NLP

Como avaliamos engenheiros de NLP

Todo candidato passa pelas sete etapas antes de você ver o perfil. Depois da nossa triagem, você também pode fazer a sua própria rodada técnica.

7etapas de triagem
Top 5%dos candidatos aprovados
3 dias*até a primeira shortlist

* Para vagas comuns, como full-stack. Outras vagas costumam levar de 7 a 10 dias.

1

Análise de currículo

Etapa 1

Analisamos experiência, stack, senioridade e trajetória profissional em relação à vaga antes de chamar alguém para entrevista. A maioria dos candidatos para aqui.

2

Entrevista comportamental

Etapa 2

Uma entrevista estruturada que avalia estilo de comunicação, resolução de conflitos, senso de dono e inglês em contexto profissional.

3

Entrevista técnica 1

Específica da função

Uma sessão ao vivo de 90 minutos em três partes. Primeiro, NLP clássico: a partir de um dataset de texto, o candidato desenha um pipeline de classificação com pré-processamento, feature engineering, seleção de modelo e métricas de avaliação (precision, recall e F1 com classes desbalanceadas). Segundo, modelos transformer: fine-tuning de um modelo baseado em BERT para uma tarefa, casos de borda de tokenização e limites de tamanho de sequência. Terceiro, desenho de uma aplicação com LLM: um pipeline RAG com estratégia de chunking, escolha do modelo de embeddings, avaliação da recuperação e mitigação de alucinações. Também falamos de texto em vários idiomas e de como avaliar o modelo em cada um deles.

4

Entrevista técnica 2

Etapa 4

Uma segunda rodada, mais profunda, sobre arquitetura de sistemas, escolhas de design e code review, de acordo com a senioridade da vaga.

5

Desafio prático

Etapa 5

Um desafio para fazer em casa que reproduz o trabalho real. Avaliamos qualidade do código, testes, documentação e como o candidato explica as próprias decisões.

6

Checagem de referências

Etapa 6

Conversamos com pelo menos duas referências profissionais que trabalharam com o candidato, não com contatos pessoais.

7

Verificação de histórico

Etapa 7

Verificação de histórico profissional, formação e identidade, com consentimento por escrito e de acordo com a LGPD.

Depois da nossa triagem, você pode fazer a sua própria rodada técnica antes de fechar a contratação.

Perfis de exemplo

Quem você pode contratar

Perfis anônimos da nossa base de profissionais avaliados. Os candidatos da sua shortlist podem ser diferentes.

TL
Pleno

Engenheiro de NLP pleno

São Paulo, Brasil

4+ anos de experiência

Hugging FacespaCyFine-tuning de BERTLangChainFastAPI
AM
Sênior

Engenheira de NLP sênior

Porto Alegre, Brasil

7+ anos de experiência

Pipelines RAGFine-tuning com LoRAPineconeAvaliação com RAGASNLP multilíngue
FC
Tech lead

Tech lead de NLP

Florianópolis, Brasil

10+ anos de experiência

Arquitetura de LLMsDa pesquisa à produçãoTreino de modelos própriosDesenho de avaliaçãoLiderança técnica

Receba perfis selecionados para os requisitos da sua vaga.

Receber perfis

O que esperar

O que diferencia nossos engenheiros de NLP

Os engenheiros de NLP da nossa base sabem que colocar um modelo de linguagem no ar e entregar uma aplicação de linguagem confiável são problemas diferentes. Montam a avaliação antes do deploy, pensam nos modos de falha de texto em vários idiomas e usam IA para acelerar a pesquisa e a implementação, sempre com revisão.

01

Do paper ao código mais rápido: usam o Copilot para implementar ideias de artigos científicos quando trazem uma nova arquitetura para o pipeline de produção.

02

Avaliação antes de entregar. RAGAS e TruLens medem a qualidade do pipeline RAG, em vez de torcer para dar certo.

03

Gestão da janela de contexto, estratégia de chunking e filtros por metadados desenhados desde o início, não remendados depois que a qualidade da recuperação cai.

04

Model card para todo modelo que colocam em produção: dados de treino, benchmarks de avaliação, modos de falha conhecidos e uso pretendido.

05

Casos de borda entre idiomas (problemas de tokenização em português, normalização de texto em alfabetos não latinos) testados e documentados antes de o modelo ir para produção.

Dúvidas

Perguntas frequentes

Conheça seus próximos engenheiros de NLP

Conte o seu caso de uso de IA com texto e a sua infraestrutura. A primeira shortlist chega em 3 dias.