Computer Vision Annotator in Lisbon

Computer Vision Annotator in Lisbon

Lisbon Tempo inteiro 22.5 - 27.5 € / hora (est.) Remoto
S

Num relance

  • Tarefas: Anotar imagens e vídeos de exercícios físicos com precisão e consistência.
  • Empresa: Sword, uma empresa inovadora em IA na área da saúde.
  • Benefícios: Trabalho remoto, flexibilidade e formação completa fornecida.
  • Outras informações: Oportunidade de crescimento numa equipa dinâmica e em expansão.
  • Porquê este emprego: Contribua para a revolução da saúde com IA e faça a diferença na vida das pessoas.
  • Qualificações: Atenção ao detalhe e capacidade de trabalhar com volumes elevados de dados.

O salário previsto situa-se entre 22.5 - 27.5 € por hora.

Na Sword, estamos a construir IA para curar bilhões e desbloquear o potencial total da humanidade. Estamos a redefinir como os cuidados são prestados em grande escala, removendo barreiras tradicionais como consultas, salas de espera e estigmas, para que mais pessoas possam aceder aos cuidados de que precisam.

Desde 2020, a Sword expandiu-se para a fisioterapia, saúde da mulher, cardiometabólica e saúde mental, e agora está a mover-se para um programa de cuidados totalmente nativo em IA, que traz atividade física, exercício terapêutico, psicoterapia, nutrição e mudança de comportamento numa experiência conectada.

Mais de 700.000 membros em três continentes completaram mais de 10 milhões de sessões de IA, ajudando mais de 1.000 clientes empresariais a evitar mais de 1 bilhão de dólares em custos desnecessários de saúde.

Os modelos de visão computacional aprendem a partir de dados rotulados – eles são tão bons quanto as anotações por trás deles. O seu trabalho é rotular imagens e vídeos de pessoas a realizar exercícios físicos, através de uma variedade de tarefas de anotação, utilizando as ferramentas internas da Sword.

O que você fará:

  • Anotar imagens e vídeos de pessoas a realizar exercícios físicos em várias tarefas de rotulagem
  • Rever e verificar a qualidade do trabalho produzido por outros anotadores
  • Aplicar diretrizes estruturadas de forma consistente em grandes volumes
  • Identificar problemas de qualidade, casos extremos e conteúdo ambíguo
  • Adaptar-se a novos tipos de tarefas de anotação à medida que as necessidades da equipe evoluem
  • Trabalhar em tempo integral (40 horas/semana), remotamente, utilizando as ferramentas de anotação internas e baseadas na web da Sword

O que você precisa ter:

  • Alta atenção aos detalhes – precisão e consistência são essenciais
  • Confortável com trabalho digital repetitivo em grandes volumes
  • Rápido para entender e aplicar diretrizes estruturadas
  • Experiência com anotação de dados, QA ou revisão de conteúdo é uma vantagem
  • Familiaridade básica com anatomia humana é útil, mas não obrigatória (formação completa fornecida)
  • Conexão de internet fiável e um computador desktop ou portátil
  • Sem necessidade de formação clínica ou técnica

Nota: Esta posição não oferece assistência à relocação. Os candidatos devem possuir um visto válido da UE e estar baseados em Portugal.

Empregador para Computer Vision Annotator in Lisbon: Sword Health

A Sword Health é um excelente empregador, oferecendo um ambiente de trabalho colaborativo e inovador em Lisboa, onde os engenheiros têm a oportunidade de impactar diretamente a experiência do consumidor. Com um forte foco no crescimento profissional, a empresa promove o desenvolvimento contínuo através de projetos desafiadores e a aplicação de ferramentas de IA, garantindo que cada membro da equipa possa crescer e prosperar na sua carreira. Além disso, a cultura inclusiva e o compromisso com a acessibilidade tornam a Sword Health um lugar significativo e gratificante para trabalhar.

S

Dados de contacto:

Equipa de recrutamento de Sword Health

Achamos que precisas destas competências para brilhares como Computer Vision Annotator in Lisbon

Atenção ao Detalhe
Consistência
Capacidade de Trabalhar com Alto Volume de Trabalho Digital
Compreensão Rápida de Diretrizes Estruturadas
Experiência em Anotação de Dados
Revisão de Qualidade (QA)
Familiaridade Básica com Anatomia Humana