Armundia Group è alla ricerca di un profilo AI Engineer da inserire a capo di un team di R&D specializzato in AI Generativa integrata in soluzioni software Armundia.🎯 Obiettivo del ruoloGuidare un team tecnico di ricerca e sviluppo nell’ideazione, sperimentazione e applicazione di soluzioni basate su AI Generativa, con un focus particolare sull’utilizzo e l’ottimizzazione di modelli LLM, embeddings semantici e tecniche di fine-tuning.🔑 Competenze chiave🧠 Machine Learning & Deep LearningProgettazione e addestramento di modelli neurali (Transformer, GAN, Diffusion).Esperienza hands-on con LLM (es. GPT, LLaMA, Claude, Mistral).Fine-tuning, prompt engineering e adattamento di modelli pre-addestrati.🧬 Embeddings & Similarità semanticaGenerazione e utilizzo di embeddings vettoriali (es. con OpenAI, Hugging Face, SentenceTransformers).Costruzione di sistemi basati su semantic search, clustering semantico e retrieval-augmented generation (RAG).Conoscenza di tecniche di dimensionality reduction (PCA, UMAP, t-SNE) per analisi e visualizzazione.⚙️ Tech stack & strumentiPython, PyTorch, TensorFlow, JAX.Framework: Hugging Face Transformers, LangChain, FAISS, Weaviate, Qdrant.MLOps: Docker, MLflow, Git, CI/CD, Kubernetes.Cloud: AWS (SageMaker), GCP (Vertex AI), Azure ML.NICE TO HAVE (competenze in sviluppo sw) :💻 Sviluppo Back-to-Front (Java Enterprise Edition)Architettura JEE completa: EJB, JPA, JAX-RS, JMS.Framework: Spring (Core, Boot, Security), Hibernate, Jakarta EE.Database relazionali e NoSQL: PostgreSQL, Oracle, MongoDB.Front-end: HTML5, CSS3, JavaScript, TypeScript, Angular/React.API RESTful & Sicurezza: progettazione di API, OAuth2, JWT, integrazione con servizi esterni.Conoscenza del ciclo di vita software enterprise: CI/CD, test automation, monitoraggio.👥 Leadership e organizzazioneGestione operativa di un piccolo team (2–6 persone) tra ricercatori, data scientist e sviluppatori.Definizione delle roadmap di R&D, con bilanciamento tra esplorazione teorica e delivery.Mentorship tecnica e aggiornamento continuo del team su trend e paper rilevanti.🔍 Capacità analitiche e sperimentaliEsperienza nel design di esperimenti ML: creazione di benchmark e metriche custom.Analisi del comportamento dei modelli generativi: explainability, controllo dell’output, misure anti-bias.Attenzione alla robustezza, scalabilità e efficienza computazionale delle soluzioni.🌐 Soft skills e mindsetMentalità sperimentale, curiosa, documentata.Forte comunicazione interdisciplinare, anche verso stakeholder non tecnici.Attitudine alla condivisione open-source o alla documentazione scientifica.📎 PlusEsperienza con modelli multi-modali (testo + immagine/audio).Competenze in NLP tradizionale (NER, parsing, text classification).Partecipazione a community scientifiche o contributi a repository pubblici.Se sei interessato e il tuo profilo corrisponde alla nostra offerta, non esitare a candidarti!La ricerca si intende rivolta ai candidati di ambo i sessi ai sensi delle leggi 903/77 e 125/91