Siamo 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. Possiede le competenze e l'esperienza giuste per questo ruolo? Continui a leggere per scoprirlo e invii la sua candidatura. Le principali attività saranno: Progettazione, sviluppo e implementazione di algoritmi e modelli di Machine Learning e Deep Learning. Sviluppo e implementazione di architetture 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. Costruzione e ottimizzazione di architetture di AI generativa per risolvere problemi aziendali complessi. Sperimentazioni e ricerche per valutare nuove tecniche e tecnologie AI. Collaborazione con altri team interni per l'integrazione delle soluzioni AI nei prodotti e servizi aziendali. Aggiornamento e miglioramento dei modelli AI esistenti. Qualifiche/competenze richieste: Laurea Magistrale (o equivalente) in Informatica, Ingegneria Informatica, Intelligenza Artificiale, Data Science, Matematica o Fisica Machine Learning e Deep Learning, con esperienza nello sviluppo e nella messa in produzione di modelli. Elaborazione del Linguaggio Naturale (NLP) Almeno un framework 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: Framework di Agentic AI (es. LangChain, AutoGen, RAG architectures) per la creazione di sistemi multi-agente e l'integrazione di strumenti esterni (tool calling). MLOps (es. Docker, Kubernetes, MLflow) per la gestione del ciclo di vita dei modelli e la garanzia di prestazioni e scalabilità. Programmazione in Python avanzata e familiarità con librerie di data science (es. NumPy, Pandas, Scikit-learn). Nozioni base di piattaforme cloud (AWS, Azure o GCP, IBM Cloud) con l'uso di acceleratori hardware (GPU/TPU). xivgfpx AI Generativa: Capacità di costruire e ottimizzare architetture di AI generativa.