CYS_Software Engineer_TP

Job Description

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.

Di seguito l’elenco delle 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

Autonomi