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.
Non si lasci sfuggire questa opportunità: si candidi rapidamente se la sua esperienza e le sue competenze corrispondono a quanto descritto di seguito.
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. Py Torch, Tensor Flow, 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. Lang Chain, Auto Gen, 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. Num Py, Pandas, Scikit-learn).
Nozioni base di piattaforme cloud (AWS, Azure o GCP, IBM Cloud) con l'uso di acceleratori hardware (GPU/TPU). xjrgpwk
AI Generativa: Capacità di costruire e ottimizzare architetture di AI generativa.