CYS_Software Engineer_TP

Leonardo è un gruppo industriale internazionale, tra le principali realtà mondiali nell'Aerospazio, Difesa e Sicurezza che realizza capacità tecnologiche multidominio in ambito Elicotteri, Velivoli, Aerostrutture, Elettronica, Cyber Security e Spazio. Con oltre 60.000 dipendenti nel mondo, l'azienda ha una solida presenza industriale in Italia, Regno Unito, Polonia, Stati Uniti, e opera in 150 paesi anche attraverso aziende controllate, joint venture e partecipazioni. Protagonista dei principali programmi strategici a livello globale, è partner tecnologico e industriale di Governi, Amministrazioni della Difesa, Istituzioni e imprese. All'interno dell' Area Cyber & Security Solutions , stiamo ricercando un/a Software Engineer per servizi dati, cloud e ML per la nostra sede di Genova / Roma Laurentina.

Principali attività previste per il ruolo:

• Sviluppare microservizi per data ingestion, transformation, API exposure e processing
• Implementare servizi per batch e streaming data processing con integration tra i due paradigmi
• Sviluppare API RESTful, GraphQL e gRPC per data access e analytics query execution
• Implementare servizi per cloud infrastructure management (compute, storage, networking)
• Sviluppare servizi per orchestration e provisioning di risorse cloud
• Implementare servizi per security posture monitoring e compliance checking
• Sviluppare componenti per cost tracking, resource optimization e billing
• Implementare servizi per ML lifecycle management (training, evaluation, deployment, monitoring)
• Sviluppare servizi per model registry, versioning e metadata tracking
• Sviluppare API per model serving e inference con support per batch e real-time predictions
• Implementare servizi per feature store management e feature engineering pipelines
• Implementare servizi per metadata management e data catalog integration
• Sviluppare componenti per data quality validation e monitoring
• Integrare con data lakehouse per unified batch-streaming storage
• Integrare con cloud providers APIs (OpenStack, AWS, Azure) per multi-cloud scenarios
• Implementare servizi per disaster recovery automation e backup orchestration
• Sviluppare Kubernetes operators per custom resource management
• Implementare caching strategies e query optimization per performance
• Sviluppare servizi per data lineage tracking e impact analysis
• Implementare servizi per model monitoring (drift detection, performance tracking, data quality)
• Sviluppare servizi per automated retraining pipelines e continuous learning
• Garantire scalabilità, reliability e security per data services, cloud services e ML workloads
• Implementare pattern per fault tolerance, retry mechanisms e error handling
• Implementare testing automation e CI/CD pipelines per cloud services, data services e ML pipelines
• Mantenere elevati standard di qualità del codice attraverso testing e code review
• Collaborare con data engineers, infrastructure team, data scientists e ML engineers per implementazione end-to-end

Titolo di studio

Laurea in Ingegneria Informatica, Informatica o equivalente.

Seniority

Expert (da 2 a 5 anni di esperienza nel ruolo, o più di 5 anni di esperienza in ruoli analoghi)

Conoscenze e competenze tecniche

• Sviluppo backend con linguaggi enterprise (Java, Python, Scala, Go) per data platforms, cloud platforms e ML platforms
• Data processing con framework moderni (Apache Spark, Apache Flink)
• Architetture event-driven per data streaming e real-time processing
• Cloud platforms APIs (OpenStack, AWS/Azure SDKs) e resource management
• Kubernetes e container orchestration con operators pattern
• Infrastructure as Code (Terraform, Pulumi) e automation
• Microservizi cloud-native con service mesh integration
• MLOps practices per model lifecycle automation
• Model serving frameworks (TensorFlow Serving, TorchServe, Triton Inference Server)
• ML orchestration tools (Kubeflow, MLflow) e experiment tracking
• Feature stores (Feast, Tecton) e feature engineering pipelines
• Sviluppo di API (RESTful, GraphQL, gRPC) per data services, infrastructure services e ML services
• Database relazionali e NoSQL ottimizzati per analytics (columnar, document, wide-column)
• Data lakehouse integration (Delta Lake, Apache Iceberg) con ACID semantics
• Security automation (policy enforcement, compliance scanning, secrets management)
• Caching distribuito (Redis, Memcached) per performance optimization
• API design per infrastructure services e ML services con versioning e backward compatibility

Competenze comportamentali

• Autonomia nella gestione di task complessi multi-compone