Per un nostro cliente, leader nel mondo della Cybersecurity, siamo alla ricerca di un professionista esperto in Machine Learning, Large Language Models (LLMs) e Generative AI, con competenze avanzate in MLOps, cloud computing e container orchestration.
Consolidata esperienza nello sviluppo, integrazione e monitoraggio di modelli di intelligenza artificiale su piattaforme cloud scalabili, sicure e automatizzate.
Responsabilità principali
Implementazione e gestione dei processi MLOps per garantire scalabilità, sicurezza e affidabilità dei modelli ML;
Utilizzo di approcci innovativi nel campo del Machine Learning, con focus su LLM e AI generativa;
Integrazione dei modelli ML nelle infrastrutture cloud tramite strumenti Infrastructure-as-Code (Terraform, CloudFormation);
Progettazione e implementazione di architetture container-based con Docker e Kubernetes;
Sviluppo e ottimizzazione di script di automazione per migliorare l'efficienza operativa;
Collaborazione con team multifunzionali per tradurre i requisiti del cliente in soluzioni AI scalabili e affidabili;
Competenze tecniche principali:
Linguaggi e Framework :
Python, FastAPI, SQLAlchemy, Alembic, Gunicorn, Uvicorn
PyTorch, Transformers, Sentence-Transformers, scikit-learn, spaCy, LangChain, LangChain-Community, LangChain-Ollama, Hugging Face Hub, Faiss (vector similarity search), NumPy, SciPy, pandas, Joblib, Torch CUDA stack (nvidia-cuda, cudnn, triton), Rich, Loguru, Typer (CLI e logging avanzato), FastAPI-Healthz, SQLModel, Pydantic, Pydantic-Settings, Requests, Aio (integrazioni e API async), SpaCy (NLP: NER, POS tagging, dependency parsing, embeddings);
MLOps & DevOps
Docker, Kubernetes, Terraform, CloudFormation, Kubeflow
CI/CD pipelines, logging distribuito, monitoraggio con Prometheus
Gestione modelli in produzione (deployment, retraining, audit)
PostgreSQL, integrazione con ORM e gestione migrazioni con Alembic
Cloud e AI Generativa
Integrazione con LLM tramite LangChain + Ollama
Esperienza su Hugging Face, OpenAI e modelli Sentence Transformers
Vector database con FAISS CPU
Utilizzo di Transformers per embedding e text generation