Descrizione dell'offerta
Konecta è un'azienda leader globale del settore BPO e Customer Management BPO con oltre ******* dipendenti appassionati che gestiscono interazioni in ben 30 lingue in 4 continenti e 25 Paesi nel mondo.
Il nostro approccio settoriale, focalizzato sulle specifiche esigenze e le possibilità che ogni settore offre ai nostri Clienti, ci permette di offrire una gamma completa di soluzioni per la gestione end-to-end dei clienti (acquisizione, ritenzione, servizio clienti, supporto tecnico e recupero crediti), tutte basate su un modello di business sostenibile.
Queste soluzioni sono costruite su un portafoglio di servizi di livello mondiale che coprono la customer experience, la gestione dei processi aziendali e le tecnologie digitali più all'avanguardia.
Con sede a Madrid, Konecta ha un fatturato globale di circa 2 miliardi di euro con più di 500 clienti, tra cui alcuni dei più grandi nomi delle telecomunicazioni, dell'energia, delle banche, della mobilità e automotive, del retail e dell'e-commerce.
All'interno di Konecta la BU Digital è la divisione di innovazione e servizi del gruppo, riunisce le attività di innovazione ed è coinvolta nei vari progetti di trasformazione dei nostri clienti.
Uniamo la nostra passione per la soddisfazione del cliente con una mentalità focalizzata su innovazione e tecnologia.
Per la Business Unit Konecta Digital cerchiamo Data Scientist qualificato da inserire all'interno del nostro organico.
PRINCIPALI ATTIVITÀ E RESPONSABILITÀ:
DATA COLLECTION
Gestirela raccolta e l'individuazione dei dati, cercando di capire la fattibilità del prelievo dei dati e quali strumenti utilizzare;
DATA EXTRACT
Studiareil framework, ossia quale strumento utilizzare tra i vari sistemi disponibili sul mercato per estrarre, catalogare, trasformare e valutare i dati in suo possesso in modo anche da distribuirli nel framework più opportuno;
DATA EXPLORATION AND CLEASING
Provvedere, una volta attuata l'estrapolazione dei dati, alla loro ripulitura da eventuali inutili sovraccarichi, dunque al loro rimaneggiamento e schematizzazione;
DATA ANALYTICS
Gestirelo sviluppo di metriche come la correlazione, comparazione e statistica ed elaborare ipotesi analitiche da applicare successivamente in azioni di machine learning;
MACHINE LEARNING
Garantireil controllo del livello di complessità, tramite algoritmi già collaudati come il Random Forest, e verificare delle ipotesi sviluppate in fase Analytics;
IMPLEMENTAZIONE AI (ARTIFICIAL INTELLIGENCE)
Fornireuna proposta di azione effettiva all'Intelligenza Artificiale, sfruttando la lavorazione dei dati strutturati e non strutturati e le risposte ottenute dalle dinamiche di Machine learning;
TEXT MINING
Comprenderelo stato dell'arte del text mining e dell'analisi del sentiment, progettare e sviluppare metodi per la classificazione del testo e la modellazione degli argomenti.
Statistica:
conoscenza approfondita di metodi statistici e probabilistici per l'analisi esplorativa e interferenziale dei dati;
capacità di costruzione e validazione di modelli predittivi e classificatori basati su dati strutturati e non.
Programmazione:
ottima padronanza di Python e SQL per data wrangling, analisi e sviluppo di modelli;
familiarità con ambienti e strumenti di orchestrazione calcolo: Databricks, Celery, Kubernetes, Airflow rappresentano un elemento distintivo;
conoscenza di pratiche DevOps e CI/CD per il deployment di modelli e applicazioni (Azure DevOps).
Machine Learning:
esperienza nel training, tuning e valutazione di modelli ML supervisionati e non supervisionati;
utilizzo avanzato di framework come scikit-learn, Pytorch, TensorFlow;
esperienza con Large Language Models (LLM): Fine-tuning, prompt engineering, embedding, retrieval-augmented generation (RAG);
utilizzo di librerie come Hugging Face Transformers, LangChain, OpenAI, API;
competenze in text mining e NLP: tokenizzazione, analisi semantica, classificazione testuale.
Database:
conoscenza di database relazionali (MySQL, postgreSQL) e non relazionali (MongoDB, Redis);
capacità di progettazione e ottimizzazione di query complesse e pipelineETL.
Sviluppo API/Webapp:
esperienza nello sviluppo di API Restfull e microservizi con Flask, Django, FastAPI;
integrazione di modelli ML/LLM in applicazioni web e backend scalabili (vLLM)
Formazione necessaria:
Laurea in discipline STEM: Informatica, Matematica, Fisica, Ingegneria, Statistica.
Lingue:
Italiano, Inglese
Rappresenta elemento aggiuntivo la conoscenza della lingua Spagnola.
Altro:
Disponibilità a trasferte.
Almeno 3 anni di esperienza lavorativa sugli argomenti sopra riportati.
Il presente annuncio èrivolto ad entrambi i sessi, ai sensi delle leggi ****** e ******, e a persone di tutte le età e tutte le nazionalità, ai sensi dei decreti legislativi ****** e ******."
#J-*****-Ljbffr