Ai engineer

Siamo alla ricerca di figure Senior AI Engineer di talento e con solida esperienza sul campo per guidare la progettazione, lo sviluppo e la messa in produzione di soluzioni avanzate basate su Intelligenza Artificiale e modelli generativi di ultima generazione.

Possiede le competenze e l'esperienza giuste per questo ruolo? Continui a leggere per scoprirlo e invii la sua candidatura.

L'attivita' e' in full remote con disponibilità (solo in caso di necessità/urgenze) a incontri su Chieti, con bassissima frequenza (1g/mese).

Il ruolo comporta essere il punto di riferimento per l'architettura di sistemi AI scalabili e affidabili: dall'ingegnerizzazione di architetture agentiche e multi-agente, a pipeline RAG complesse, fino all'integrazione di servizi AI ad alte prestazioni in ambienti di produzione distribuiti.

Architetture Agentiche & LLM: Progettare e sviluppare applicazioni basate su LLM, sistemi multi-agente e agentici avanzati (orchestrazione, tool usage, gestione dello stato, guardrails).

Soluzioni RAG Avanzate: Definire strategie di chunking, embedding, retrieval, reranking e contestualizzazione per pipeline RAG performanti e affidabili.

Sviluppo & Produzione: Creare servizi e API production-grade in Python, garantendo elevati standard di efficienza, latenza, throughput, sicurezza e osservabilità.

Modelli & Fine-Tuning: Applicare tecniche di fine-tuning (PEFT/LoRA) e ottimizzare carichi di lavoro AI su stack hardware dedicati (GPU, CUDA, vincoli di VRAM).

Collaborazione Cross-funzionale: Lavorare a stretto contatto con i team di ingegneria del software, dati, infrastruttura e prodotto in ambiente Agile.

Sviluppo Python: Eccellenti competenze di sviluppo in Python, con particolare focus su API e microservizi robusti e pronti per la produzione.

Machine Learning & Deep Learning: Solide basi di ML (feature engineering, flussi di sviluppo, validazione, metriche di valutazione) e comprovata esperienza pratica con PyTorch e scikit-learn.

LLM & Generative AI: Approfondita comprensione di Transformer, tokenizzazione, embedding, flussi di inferenza e architetture LLM.

Agentic Frameworks: Esperienza consolidata nell'uso di LangChain e LangGraph per la creazione di agenti intelligenti e flussi complessi.

RAG & Vector DB: Esperienza concreta nella progettazione di architetture RAG, conoscenza di database vettoriali (preferibilmente Qdrant) e sistemi di caching/state-management (es. Redis).

Fine-tuning & AI Hardware: Conoscenza di tecniche di fine-tuning parametro-efficiente (LoRA/PEFT) e dello stack hardware per AI (GPU, gestione VRAM, nozioni di base CUDA).

Ingegneria del Software & Sistemi Distribuiti: Padronanza di algoritmi, strutture dati, architetture a microservizi e pattern per sistemi distribuiti scalabili.

DevOps & Containerizzazione: Uso avanzato di Docker (Dockerfile, Docker Compose), gestione di carichi AI containerizzati e pratiche di CI/CD.

Metodologia & Lingue: Esperienza di lavoro in team con metodologie Agile e ottima padronanza della lingua inglese (fluente).

NIce to Have

Ecosistema Hugging Face (Transformers, Datasets, Accelerate, PEFT).

Framework avanzati di serving e inferenza distribuita come vLLM e Ray.

Pratiche e strumenti di MLOps / LLMOps (MLflow, tracking esperimenti, versionamento e lifecycle management).

Piattaforme di osservabilità, tracing e valutazione di LLM/RAG (es. Phoenix).

Prompt engineering sistematico e metodologie di testing/benchmark di prompt e agenti.

Tecniche di ottimizzazione dell'inferenza: quantizzazione, batching, caching, distillazione.

Profiling e tooling per GPU NVIDIA; familiarità con l'orchestrazione container su Kubernetes abilitato a GPU.

Conoscenza di pipeline dati e orchestratori come Dagster, oltre a pratiche di data curation e generazione di dati sintetici.

Competenze in AI Security (prompt injection, data leakage, abusi del modello, framework NIST). xbvzest

Conoscenza di GitLab CI e gestione di artifact/package registries.