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.\n\nLe principali attività saranno:\n\n- Progettazione, sviluppo e implementazione di algoritmi e modelli di Machine Learning e Deep Learning.\n- Sviluppo e implementazione di architetture Agentic AI (Agenti Autonomi) basate su LLM per l'automazione di flussi di lavoro complessi e il problem solving.\n- Lavorare con Large Language Models (LLMs) per applicazioni quali la generazione di testo, la sintesi, la traduzione e la comprensione del linguaggio naturale.\n- Costruzione e ottimizzazione di architetture di AI generativa per risolvere problemi aziendali complessi.\n- Sperimentazioni e ricerche per valutare nuove tecniche e tecnologie AI.\n- Collaborazione con altri team interni per l'integrazione delle soluzioni AI nei prodotti e servizi aziendali.\n- Aggiornamento e miglioramento dei modelli AI esistenti.\n\nQualifiche/competenze richieste:\n\n- Laurea Magistrale (o equivalente) in Informatica, Ingegneria Informatica, Intelligenza Artificiale, Data Science, Matematica o Fisica\n- Machine Learning e Deep Learning, con esperienza nello sviluppo e nella messa in produzione di modelli.\n- Elaborazione del Linguaggio Naturale (NLP)\n- Almeno un framework Deep Learning (es. PyTorch, TensorFlow, o JAX).\n- Esperienza pratica con Large Language Models (LLMs), incluse tecniche di pre-addestramento, fine-tuning (SFT) e ottimizzazione (es. Quantizzazione, Pruning).\n- Agentic AI e MLOps:\n- Framework di Agentic AI (es. LangChain, AutoGen, RAG architectures) per la creazione di sistemi multi-agente e l'integrazione di strumenti esterni (tool calling).\n- MLOps (es. Docker, Kubernetes, MLflow) per la gestione del ciclo di vita dei modelli e la garanzia di prestazioni e scalabilità.\n- Programmazione in Python avanzata e familiarità con librerie di data science (es. NumPy, Pandas, Scikit-learn).\n- Nozioni base di piattaforme cloud (AWS, Azure o GCP, IBM Cloud) con l'uso di acceleratori hardware (GPU/TPU).\n- AI Generativa: Capacità di costruire e ottimizzare architetture di AI generativa.