Senior Machine Learning Engineer
Summary
Senior ML Engineer designing and building Generative AI solutions—agentic systems, LLMs, and RAG pipelines—while managing the full AI production lifecycle including model optimization and unstructured data handling.
Interessato/a a questo ruolo? Può trovare tutte le informazioni pertinenti nella descrizione qui sotto.
La risorsa si occuperà della progettazione e dello sviluppo di soluzioni di Intelligenza Artificiale Generativa basate su sistemi agentici, Large Language Models (LLM) e architetture RAG, contribuendo alla realizzazione di pipeline scalabili e affidabili. Sarà inoltre responsabile dell'ottimizzazione dei modelli, della gestione di dati non strutturati e del monitoraggio dell'intero ciclo di vita delle soluzioni AI in ambiente di produzione.
Il Profilo Ideale
Il candidato ideale ha almeno 3-4 anni di esperienza nel campo del Deep Learning e della Generative AI, ed è capace di sviluppare e implementare sistemi IA agentici, Large Language Models (LLM) e applicazioni avanzate basate su modelli fondazionali.
Appassionato di tecnologia, innovazione e risoluzione di problemi complessi, con esperienza pratica nella progettazione di agenti autonomi, sistemi RAG (Retrieval-Augmented Generation) e nell’implementazione di modelli in ambienti di produzione.
Mandatory Skills
- Sviluppo Agenti: Progettazione di sistemi agentici complessi, multi-agente e flussi di orchestrazione autonomi.
- Ingegneria LLM: Tuning, Prompt Engineering avanzato e ottimizzazione di Large Language Models e modelli multimodali.
- Sistemi RAG: Sviluppo di pipeline di Retrieval-Augmented Generation avanzate con database vettoriali per contestualizzare la GenAI.
- Gestione Dati: Familiarità con l’elaborazione di grandi dataset non strutturati (testo, codice, log, dati multimodali).
- Pipeline Scalabili: Creazione di pipeline di GenAI stabili e gestione del ciclo di vita dei sistemi (LLMOps, monitoraggio bias/allucinazioni, deployment).
Nice To Have
- Cloud & Scaling: Esperienza in Cloud Computing e con piattaforme di deployment (AWS, GCP, Vertex AI, Azure AI, Bedrock).
- Microservizi: Esperienza con architetture di microservizi e con il deployment di modelli e agenti su sistemi distribuiti. xysqume
- Framework GenAI: Conoscenza di tecnologie emergenti e framework di orchestrazione come LangChain, LlamaIndex, CrewAI, AutoGen o Semantic Kernel.
Sede di lavoro: Napoli, Roma, Milano e Cosenza