Edge AI

Software Engineering & Infrastructure

• Python

Mathematics & Scientific Computing

Cerchiamo un Edge AI / Machine Learning Engineer per il Core Team di AINEXXO

Non stiamo cercando semplicemente qualcuno che voglia “un nuovo lavoro”.

Cerchiamo una persona che abbia voglia di costruire un’azienda, inventare nuove tecnologie, sviluppare prodotti e crescere insieme a una startup.

Una persona con mentalità imprenditoriale, che in prospettiva voglia sentirsi parte del progetto e non semplicemente eseguire task assegnati.

Per questo, oltre alla retribuzione, prevediamo anche un percorso di stock options, con la possibilità di acquisire una reale ownership nell’azienda.

Chi stiamo cercando

Cerchiamo un profilo tecnico con almeno 2 anni di esperienza professionale, idealmente con background in:

• Informatica / Ingegneria Informatica
• Intelligenza Artificiale / Machine Learning
• Matematica, Fisica o discipline STEM affini

Una solida conoscenza della matematica applicata al Machine Learning è particolarmente importante.

Ma il background accademico, da solo, non è ciò che ci interessa di più.

Cerchiamo soprattutto uno smanettone tecnologico con mentalità da ricercatore e inventore.

Qualcuno che non si limiti a utilizzare modelli AI esistenti, ma che voglia capire come funzionano internamente, modificarli, ottimizzarli e, quando necessario, progettare nuove architetture da zero.

Una persona capace di leggere un paper scientifico, comprenderne i principi matematici, implementarlo, sperimentare e capire se quella tecnologia possa diventare parte di un prodotto reale.

Non cerchiamo qualcuno che sappia soltanto utilizzare l'AI. Cerchiamo qualcuno che voglia costruirla.

La mentalità che cerchiamo

Per noi è fondamentale trovare qualcuno che sia:

• creativo, inventivo e capace di immaginare soluzioni non convenzionali
• autonomo nella ricerca e nella risoluzione dei problemi
• curioso verso le ultime evoluzioni della ricerca scientifica sull'AI
• capace di trasformare idee e paper in prototipi funzionanti
• fortemente product oriented
• propositivo, sperimentale e orientato all'execution
• capace di ragionare sia sui principi matematici di un modello sia sui suoi limiti pratici
• interessato a capire non solo come funziona una tecnologia, ma perché potrebbe creare valore
• capace di comunicare idee, risultati sperimentali, problemi e soluzioni
• disposto a sperimentare, fallire, imparare e migliorare rapidamente

Non cerchiamo qualcuno che aspetti una lista di task o istruzioni dettagliate per iniziare.

Cerchiamo qualcuno che sappia dire:

“Ho trovato questa nuova architettura. Potrebbe risolvere il nostro problema. Ho letto la ricerca, implementato un primo prototipo e questi sono i risultati.”

Su cosa lavorerai

Il tuo focus principale sarà la ricerca, progettazione, sviluppo e ottimizzazione di modelli AI capaci di funzionare direttamente su dispositivi Edge, in particolare in contesti industriali.

L'obiettivo è sviluppare tecnologie capaci di interpretare dati fisici, riconoscere anomalie, apprendere dai sistemi su cui operano e supportare decisioni operative, anche con risorse computazionali limitate.

Lavorerai principalmente su:

AI Research & Model Development

• Progettazione e implementazione di modelli di Machine Learning e Deep Learning anche da zero
• PyTorch e sviluppo di architetture neurali personalizzate
• Studio e implementazione delle più recenti tecniche di ricerca sull'AI
• Ricerca su architetture innovative: Liquid Neural Networks, State Space Models, Spiking Neural Networks, modelli ibridi e altre tecniche emergenti
• Training, fine-tuning, valutazione e miglioramento continuo dei modelli
• Sviluppo di modelli per time series, anomaly detection, prediction e Physical AI

Edge AI & Model Optimization

• Sviluppo di modelli efficienti per dispositivi con risorse computazionali limitate
• Quantization, pruning, distillation e altre tecniche di compressione e ottimizzazione
• Ottimizzazione di inferenza, memoria, latenza e consumi computazionali
• Deployment e benchmarking su hardware Edge (CPU, GPU, NPU)
• Sperimentazione con inferenza e apprendimento locale, anche offline
• Integrazione di modelli quantitativi e piccoli modelli linguistici (SLM/LLM)

Software Engineering & Infrastructure

• Python
• Linux e ambienti embedded
• PyTorch e librerie scientifiche per Machine Learning
• Gestione di dataset, pip