PpSiamo alla ricerca di un AI Engineer con comprovata esperienza in Machine Learning, Deep Learning, AI Generativa e sui Large Language Models (LLMs). La figura sarà impegnata su progetti innovativi inerenti la comprensione del linguaggio naturale fino alla generazione di contenuti e all'automazione avanzata. /p h3Le principali attività saranno: /h3 ul liProgettazione, sviluppo e implementazione di algoritmi e modelli di Machine Learning e Deep Learning. /li liSviluppo e implementazione di architetture Agentic AI (Agenti Autonomi) basate su LLM per l'automazione di flussi di lavoro complessi e il problem solving. /li liLavorare con Large Language Models (LLMs) per applicazioni quali la generazione di testo, la sintesi, la traduzione e la comprensione del linguaggio naturale. /li liCostruzione e ottimizzazione di architetture di AI generativa per risolvere problemi aziendali complessi. /li liSperimentazioni e ricerche per valutare nuove tecniche e tecnologie AI. /li liCollaborazione con altri team interni per l'integrazione delle soluzioni AI nei prodotti e servizi aziendali. /li liAggiornamento e miglioramento dei modelli AI esistenti. /li /ul h3Qualifiche/competenze richieste: /h3 ul liLaurea Magistrale (o equivalente) in Informatica, Ingegneria Informatica, Intelligenza Artificiale, Data Science, Matematica o Fisica /li liMachine Learning e Deep Learning, con esperienza nello sviluppo e nella messa in produzione di modelli. /li liElaborazione del Linguaggio Naturale (NLP) /li liAlmeno un framework Deep Learning (es. PyTorch, TensorFlow, o JAX). /li liEsperienza pratica con Large Language Models (LLMs), incluse tecniche di pre-addestramento, fine-tuning (SFT) e ottimizzazione (es. Quantizzazione, Pruning). /li liAgentic AI e MLOps: /li liFramework di Agentic AI (es. LangChain, AutoGen, RAG architectures) per la creazione di sistemi multi-agente e l'integrazione di strumenti esterni (tool calling). /li liMLOps (es. Docker, Kubernetes, MLflow) per la gestione del ciclo di vita dei modelli e la garanzia di prestazioni e scalabilità. /li liProgrammazione in Python avanzata e familiarità con librerie di data science (es. NumPy, Pandas, Scikit-learn). /li liNozioni base di piattaforme cloud (AWS, Azure o GCP, IBM Cloud) con l'uso di acceleratori hardware (GPU/TPU). /li liAI Generativa: Capacità di costruire e ottimizzare architetture di AI generativa. /li /ul /p #J-18808-Ljbffr