Artificial Intelligence Engineer

Siamo Humans.tech.
Creiamo interfacce intelligenti che risolvono tematiche complesse e migliorano esperienze, oltre a essere, ovviamente, belle Collaboriamo con aziende globali comeAirbnb ,Amazon ,Angelini ... e siamo solo alla lettera A.In 10 anni abbiamo lanciatooltre 700 prodotti digitali , lavoriamo per il70% con clienti globalitra Europa e Stati Uniti , e abbiamo sedi a Frosinone e San Francisco. Siamo tra le** aziende europee in più rapida crescita per Financial Times & Statistae tra letop 5 aziendeper cui lavorare in Italia per la Gen Z secondoGreat Place to Work .Lavoriamo con AI dal **, non da quando è diventata un trend. I nostri Partner si chiamanoOpen AI ,Meta ,AWS ,Translated.
Non siamo la solita consulenza. Affianchiamo product company e aziende che vogliono diventarlo, e i prodotti li costruiamo davvero: dall'analisi all'architettura, dal codice al delivery. È come lavorare dentro un team prodotto, solo che il team prodotto siamo noi.
Chi cerchiamoNon cerchiamo qualcuno che sappia sviluppare. Cerchiamo qualcuno che si annoi a farlo in modo ordinario.
Una persona senior. Senior vera, non senior su Linked In. Una che sistemi ad alto traffico li ha sviluppati, mantenuti e scalati e non guardati da fuori, non toccati a pezzi. Una che ha messo prodotti in produzione e che chiude il cerchio, dal training al serving, non addestra un prototipo e passa la palla.
Una persona AI-first: l'architettura del progetto la pensa con la sua testa, poi usa gli strumenti giusti per costruirla, riprogettarla, accelerarla. L'AI è leva, non scorciatoia.
Qui dentro funziona così: noi ti diamo le opportunità. Tu le prendi, le capisci, le contestualizzi. Procedi velocemente verso le soluzioni, prendi le decisioni, le porti in produzione. Senza creare e ragioniamo, con chi lavoreraiSi lavora per obiettivi. Questo ci rende flessibili e molto esigenti. Spingiamo ogni persona del team oltre i suoi limiti attuali perché solo così si arriva a risultati che superano l'aspettativa iniziale.
Non vogliamo che tu abbia le risposte pronte. Vogliamo che tu sappia fare le domande giuste e che abbia il pensiero critico per scavarci dentro.
Entrerai in un team cross-funzionale: la versione a pieni poteri di un gruppo coeso, trasversale nelle conoscenze e verticale nelle competenze. Software Engineer, ML/AI, Product Designer, dentro la stessa stanza, fisica o virtuale che sia.
Qui si supporta l'idea migliore, non la propria idea. Ti chiediamo di portarne tante, e di lasciar andare le tue quando ne arriva una più solida. "Abbiamo sempre fatto così" non è una risposta ltiviamo l'eccellenza, ma sappiamo che la perfezione, nei processi umani, è una bugia. Le persone qui restano: significa team stabili, basso turnover, continuità reale sui progetti. È il nostro indicatore migliore. Cosa devi saper farePythonpadroneggiato sul serio. Codice production-ready, con clean code, testing e CI/CD (Git, Git Hub Actions).
Algoritmi ML , supervisionati e non. Conosci i principali e sai quale serve per quale problema e costruisci soluzioni che si ripetono su più casi d'uso, non one-off. Data preparation e feature engineering (Pandas, Num Py) sono parte del mestiere, non un fastidio da delegare.
Deep learning con Py Torch e/o Tensor Flow. Progetti, addestri e ottimizzi le architetture (CNN, RNN, Transformer) e le hai applicate sul serio a NLP e Computer Vision (BERT, GPT, YOLO). Non adatti un tutorial: lo riscrivi quando serve.
Fondamenti matematici e statistici. Algebra lineare, probabilità, statistica inferenziale. Ti servono per validare un modello e scovare un bias nei dati, non per superare un esame.
MLOps e produzione. ML pipeline per deployment e monitoring, Docker e Kubernetes nel flusso quotidiano, serving su cloud (AWS, GCP o Azure) con autoscaling e costi inference sotto controllo. Gestisci l'intero lifecycle, dal training al maintenance, non solo il momento bello del training.
Data engineering. SQL e No SQL per volumi seri, pipeline robuste, data quality. E ti muovi con i vector database (es. Qdrant) e i graph database (es. Neo4j) che le applicazioni AI moderne richiedono. I dati sporchi a valle li paghi a monte, e lo sai.
Observability e model governance. Monitoring, drift detection, metriche di valutazione serie, retraining e model versioning (es. MLflow, DVC). Un modello in produzione che nessuno guarda è un debito, non un asset.
Agentic coding tools nel flusso quotidiano.
Inglese professionale , scritto e parlato.
Plus
LLM, RAG e orchestrazione di sistemi multi-agente (Lang Graph, Auto Gen o Crew AI). Interesse o esperienza concreta in ambito Gen AI.
Training distribuito e fine-tuning su larga scala (Sage Maker, Vertex AI).
Tecniche avanzate (Reinforcement Learning, GAN) e ottimizzazione di modelli per ambienti con risorse limitate.
Orchestrazione di workflow dati (es. Apache Airflow).
Security, privacy e responsible AI: PII redaction,