Ai engineer - generative ai & agentic systems

Questa posizione è in Yottacle
Riassunto dell’opportunità da parte della Joinrs AI:Yottacle cerca un AI Engineer con esperienza in sistemi basati su modelli linguistici di grande scala (LLM) e architetture ad agenti. La risorsa, inserita nel team R&D, collaborerà con uno spinoff di Harvard per sviluppare soluzioni software innovative. Offre un ambiente internazionale, tecnologie all’avanguardia, crescita professionale e smart working flessibile.
Il processo di selezione sarà interamente gestito da Yottacle.
–
Profilo della posizione
Yottacle è alla ricerca di un AI Engineer con solide competenze nello sviluppo di sistemi basati su modelli linguistici di grandi dimensioni (LLM) e architetture ad agenti. La risorsa sarà inserita nel team R&D e lavorerà a stretto contatto con uno spinoff dell’Università di Harvard, contribuendo al trasferimento tecnologico di metodologie di frontiera in soluzioni software scalabili. Il candidato ideale possiede un approccio analitico e una profonda familiarità con i moderni framework di orchestrazione e sviluppo per l’IA generativa.
Responsabilità principali

• Sviluppo di AI Agents: Progettazione e implementazione di sistemi multi-agente per l’automazione di processi decisionali complessi.
• Integrazione LLM: Selezione, ottimizzazione e deployment di modelli (OpenAI, Anthropic, Google, e open source) in ambienti di produzione.
• RAG & Data Orchestration: Sviluppo di pipeline di Retrieval-Augmented Generation avanzate per l’estrazione di conoscenza da basi dati eterogenee.
• Collaborazione Scientifica: Ricerca e implementazione di algoritmi sperimentali e architetture innovative.
  

• Framework di Orchestrazione: Eccellente padronanza di LangChain e/o LlamaIndex per la costruzione di catene di ragionamento e gestione del contesto.
• Linguaggi: Conoscenza avanzata di Python e dei principali design pattern per lo sviluppo software.
• Vector Databases: Esperienza operativa con database vettoriali (es. Pinecone, Weaviate, Milvus o Chroma).
• MLOps: Familiarità con le pratiche di deployment e monitoraggio di modelli AI (Docker, sistemi cloud, tracking delle performance).
  

• Esperienza nello sviluppo di framework agentici (es. CrewAI, AutoGen).
• Pubblicazioni scientifiche o contributi a progetti Open Source in ambito NLP/GenAI.
• Competenze nel fine-tuning di modelli open-weights (PEFT, LoRA).
  

• Contesto Internazionale: Partecipazione a progetti di ricerca di alto profilo in collaborazione con l’ecosistema accademico statunitense.
• Stack Tecnologico d’Avanguardia: Accesso a risorse di calcolo e modelli in anteprima.
• Crescita Professionale: Ambiente orientato all’aggiornamento costante e alla sperimentazione di nuove metodologie.
• Flessibilità: Modello di lavoro orientato ai risultati con opzioni di smart working esteso.