Si cerca un AI Engineer con esperienza anche minima in Machine Learning, Deep Learning e AI Generativa, con particolare enfasi sui Large Language Models (LLMs). Il ruolo prevede la progettazione, l’implementazione e l’ottimizzazione di modelli e sistemi AI complessi, inclusi i sistemi di Agentic AI (Agenti Autonomi). Sarà impegnata su progetti innovativi che spaziano dalla comprensione del linguaggio naturale alla generazione di contenuti e all’automazione avanzata. Responsabilità: Partecipare assieme al team di Data Scientist alle seguenti attività: Progettare, sviluppare e implementare algoritmi e modelli di Machine Learning e Deep Learning. Sviluppare e implementare architetture di 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. Costruire e ottimizzare architetture di AI generativa per risolvere problemi aziendali complessi. Condurre ricerche e sperimentazioni per valutare nuove tecniche e tecnologie AI. Collaborare con team di prodotto, data scientists e altri ingegneri per integrare soluzioni AI nei nostri prodotti e servizi. Mantenere e migliorare i modelli AI esistenti, garantendo prestazioni e scalabilità. Requisiti: Laurea Magistrale (o equivalente) in Informatica, Ingegneria Informatica, Intelligenza Artificiale, Data Science, Matematica o Fisica. Competenza teorica e pratica in Machine Learning e Deep Learning, con esperienza nello sviluppo e nella messa in produzione di modelli. Competenze di Elaborazione del Linguaggio Naturale (NLP) Padronanza di almeno un framework di 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: Conoscenza e/o esperienza di lavoro con i principi e i framework di Agentic AI (es. LangChain, AutoGen, RAG architectures) per la creazione di sistemi multi-agente e l’integrazione di strumenti esterni (tool calling). Esperienza con l’infrastruttura MLOps (es. Docker, Kubernetes, MLflow) per la gestione del ciclo di vita dei modelli e la garanzia di prestazioni e scalabilità. Eccellente competenza nella programmazione in Python e familiarità con librerie di data science (es. NumPy, Pandas, Scikit-learn). Familiarità con le piattaforme cloud (AWS, Azure o GCP, IBM Cloud) e con l’uso di acceleratori hardware (GPU/TPU). AI Generativa: Capacità di costruire e ottimizzare architetture di AI generativa