Data Scientist

Chi siamo

Prefe è una startup innovativa che ha sviluppato una piattaforma AI di market intelligence attiva nel settore Fast-Moving Consumer Goods (FMCG). Stiamo sviluppando sistemi proprietari di intelligenza artificiale che supportano i brand e i retailer nei processi decisionali e stiamo ampliando il nostro team tech. Se vuoi lavorare su dati che alimentano modelli AI distribuiti su larga scala, questo ruolo fa per te

Pronto/a a candidarsi? Prima di farlo, si assicuri di leggere tutti i dettagli relativi a questo lavoro nella descrizione sottostante.
La tua missione

Lavorerai sul nostro asset principale (i nostri dati) progettando, implementando e migliorando continuamente algoritmi e modelli che alimentano i nostri prodotti core. Avrai ownership, autonomia e reale responsabilità in produzione, oltre a un’esposizione diretta ai clienti.

collaborerai con CTO, team Sales e Product, nonché con altri stakeholder, per definire requisiti analitici, KPI e funzionalità data-driven;

progetterai, svilupperai e manterrai modelli avanzati di AI e algoritmi statistici orientati alle esigenze di business;

utilizzerai attivamente strumenti di coding agentico (es. Claude Code via CLI, OpenCode o strumenti equivalenti) per accelerare sviluppo, debugging, refactoring e documentazione del codice, mantenendo elevati standard di qualità e sicurezza;

ti terrai costantemente aggiornato/a sulle evoluzioni di questi tool (nuove funzionalità, best practice, workflow) e proporrai in modo proattivo miglioramenti al processo di sviluppo e collaborazione del team;

definirai e applicherai linee guida operative per l’utilizzo efficace degli agent (prompting, review, verifiche, guardrail) per garantire affidabilità, tracciabilità e mantenibilità del codice in produzione;

raccoglierai, pulirai e preprocesserai dataset ampi ed eterogenei provenienti da fonti multiple (strutturate, semi-strutturate e non strutturate);

svilupperai pipeline per ingestione, trasformazione e feature engineering garantendo workflow scalabili, efficienti e affidabili;

implementerai tecniche avanzate per product matching, recommendation, forecasting e anomaly detection;

costruirai dashboard e visualizzazioni interattive con Python (Plotly, Dash, Leaflet) o piattaforme BI per comunicare insight in modo chiaro a stakeholder tecnici e non tecnici;

collaborerai con back-end e data engineer per integrare i modelli nei sistemi di produzione;

condurrai valutazioni e validazioni rigorose dei modelli (metriche appropriate, A/B test, cross-validation);

scriverai codice Python pulito, modulare e ben documentato, utilizzando sistemi di version control (Git) in ambiente collaborativo;

contribuirai al miglioramento continuo dell’infrastruttura dati, degli strumenti e delle pratiche MLOps aziendali;

definirai e implementerai controlli di data quality end-to-end, includendo test automatici per identificare anomalie, regressioni e comportamenti diversi da quelli attesi (es. drift dei dati, variazioni inattese di distribuzione, outlier, rotture di mapping);

progetterai e manterrai una suite di test (unit/integration/data tests) a supporto delle pipeline dati e dei modelli, garantendo robustezza, riproducibilità e affidabilità dei risultati in produzione;

costruirai e gestirai pipeline di monitoraggio continuo del database (metriche, alerting, dashboard) per assicurare completezza, coerenza e freschezza del dato, con meccanismi di escalation rapidi in caso di degradazione;

collaborerai con Data Engineering e Back-end per definire SLA, metriche di qualità e processi di remediation in caso di issue sistemiche o degradazioni progressive;

ti manterrai aggiornato sulle evoluzioni di machine learning, data science e AI, proponendo soluzioni innovative.

Cosa cerchiamo:

esperienza comprovata nello sviluppo e nel deploy di modelli di machine learning in ambienti di produzione;

ottima padronanza di Python (requisito essenziale) e del relativo ecosistema data science (Pandas, NumPy, Scikit-learn, ecc.);

esperienza pratica con framework di deep learning (es. PyTorch o TensorFlow)

solida conoscenza di statistica, disegno sperimentale e metodologie di valutazione dei modelli;

buone competenze SQL ed esperienza con database relazionali (es. PostgreSQL) per estrazione e validazione dati;

esperienza nella costruzione e manutenzione di pipeline per feature engineering e training dei modelli;

interesse concreto e qualche esperienza di sperimentazione con modelli AI open-weight (es. Llama, Mistral, Qwen), inclusa familiarità con preparazione dei dataset e valutazione delle performance; costituisce un plus aver svolto attività di fine-tuning e ottimizzazione (es. LoRA/QLoRA);

familiarità con ambienti cloud (in particolare GCP) e strumenti di containerizzazione come Docker;

esperienza con pratiche MLOps