Si cerca un AI Engineer esperto, con una solida conoscenza e comprovata esperienza in Machine Learning, Deep Learning e AI Generativa, con particolare enfasi sui Large Language Models (LLMs). Il ruolo prevede la progettazione, l'implementazione e l'ottimizzazione di modelli e sistemi AI complessi, inclusi i sistemi di Agentic AI (Agenti Autonomi). Sarà impegnata su progetti innovativi che spaziano dalla comprensione del linguaggio naturale alla generazione di contenuti e all'automazione avanzata.
Responsabilità:
Progettare, sviluppare e implementare algoritmi e modelli di Machine Learning e Deep Learning.
Sviluppare e implementare architetture di Agentic AI (Agenti Autonomi) basate su LLM per l'automazione di flussi di lavoro complessi e il problem solving.
Lavorare con Large Language Models (LLMs) per applicazioni quali la generazione di testo, la sintesi, la traduzione e la comprensione del linguaggio naturale.
Costruire e ottimizzare architetture di AI generativa per risolvere problemi aziendali complessi.
Condurre ricerche e sperimentazioni per valutare nuove tecniche e tecnologie AI.
Collaborare con team di prodotto, data scientists e altri ingegneri per integrare soluzioni AI nei nostri prodotti e servizi.
Mantenere e migliorare i modelli AI esistenti, garantendo prestazioni e scalabilità.
Requisiti:
Il candidato ideale deve possedere una combinazione di solide competenze tecniche, esperienza pratica nello sviluppo di modelli e familiarità con l'ecosistema dell'AI moderna.
Laurea Magistrale (o equivalente) in Informatica, Ingegneria Informatica, Intelligenza Artificiale, Data Science, Matematica o Fisica.
Resistente competenza teorica e pratica in Machine Learning e Deep Learning, con esperienza nello sviluppo e nella messa in produzione di modelli.
Competenze di Elaborazione del Linguaggio Naturale (NLP)
Comprovata padronanza di almeno un framework di Deep Learning (es. PyTorch, TensorFlow, o JAX).
Esperienza pratica con Large Language Models (LLMs), incluse tecniche di pre-addestramento, fine-tuning (SFT) e ottimizzazione (es. Quantizzazione, Pruning).
Agentic AI e MLOps:
Conoscenza approfondita e/o esperienza di lavoro con i principi e i framework di Agentic AI (es. LangChain, AutoGen, RAG architectures) per la creazione di sistemi multi-agente e l'integrazione di strumenti esterni (tool calling).
Esperienza con l'infrastruttura MLOps (es. Docker, Kubernetes, MLflow) per la gestione del ciclo di vita dei modelli e la garanzia di prestazioni e scalabilità.
Eccellente competenza nella programmazione in Python e familiarità con librerie di data science (es. NumPy, Pandas, Scikit-learn).
Familiarità con le piattaforme cloud (AWS, Azure o GCP, IBM Cloud) e con l'uso di acceleratori hardware (GPU/TPU).
AI Generativa: Capacità di costruire e ottimizzare architetture di AI generativa