Pubblicato il 27 maggio
Mansioni della posizione
WinTime Spa, Agenzia per il Lavoro , filiale di Torino ,seleziona per società settore aerospace un AI Engineer che farà parte del team che si occupa di tutti gli aspetti ingegneristici dello sviluppo, dell'implementazione e della manutenzione dei sistemi di dati software .
ATTIVITA' PRINCIPALI
Definizione dell'applicazione AI, della progettazione, della formazione, della convalida e della documentazione
Implementare applicazioni innovative basate su tecnologie di intelligenza artificiale nel settore aerospaziale
Si offre tipologia di contratto e RAL commisurate all'effettiva seniority del candidato, a partire da 30K a 35K
I/Le candidati/e potranno inviare la propria risposta rilasciando specifica autorizzazione ai sensi del D. lgs. sulla Privacy (n° 196/03) al trattamento dei dati personali e GDPR 679/16.Tale ricerca qualificato è rivolta ad ambo i sessi (L. 903/77)
LI-LL1
Settore: Industria aerospaziale
Ruolo: Informatica/Tecnologia
Salario mensile: EUR 2000 - EUR 2800
Tipo di occupazione: Lavoro temporaneo a scopo assunzione
Inquadramento: Impiegato
COMPETENZE TECNICHE RICHIESTE
Laurea Magistrale in Ingegneria del Software o Data Science con voto elevato
Esperienza nella progettazione, formazione, validazione e distribuzione di modelli di Machine Learning e Deep Learning
Esperienza con paradigmi supervisionati, non supervisionati e auto-supervisionati
Solida conoscenza delle architetture di modelli profondi (ad esempio, CNN, RNN, Transformers)
Conoscenza nello sviluppo di software con il linguaggio Python
Conoscenza progettazione e nell'implementazione di pipeline di dati che gestiscono dati strutturati e non strutturati, sfruttando framework e librerie di dati (ad esempio NumPy, Pandas, SciPy) e gestendo i metadati
Conoscenza framework di AI PyTorch, TensorFlow e Scikit-learn per modelli di Machine Learning e Deep Learning
ATTIVITÀ AGGIUNTIVE (non obbligatorie, considerate un plus)
Esperienza nelle metodologie Agile
Conoscenza della tecnologia dei container e della distribuzione su Kubernetes
Conoscenza dei framework di elaborazione dati distribuiti, come Apache Spark
Conoscenza di ONNX per l'ottimizzazione dei modelli e l'interoperabilità
