Data Scientist

Prefe è una startup innovativa che ha sviluppato una piattaforma AI di market intelligence attiva nel settore Fast-Moving Consumer Goods (FMCG). Stiamo sviluppando sistemi proprietari di intelligenza artificiale che supportano i brand e i retailer nei processi decisionali e stiamo ampliando il nostro team tech. Se vuoi lavorare su dati che alimentano modelli AI distribuiti su larga scala, questo ruolo fa per te

Lavorerai sul nostro asset principale (i nostri dati) progettando, implementando e migliorando continuamente algoritmi e modelli che alimentano i nostri prodotti core. Avrai ownership, autonomia e reale responsabilità in produzione, oltre a un’esposizione diretta ai clienti.

collaborerai con CTO, team Sales e Product, nonché con altri stakeholder, per definire requisiti analitici, KPI e funzionalità data-driven;

progetterai, svilupperai e manterrai modelli avanzati di AI e algoritmi statistici orientati alle esigenze di business;

utilizzerai attivamente strumenti di coding agentico (es. Claude Code via CLI, OpenCode o strumenti equivalenti) per accelerare sviluppo, debugging, refactoring e documentazione del codice, mantenendo elevati standard di qualità e sicurezza;

ti terrai costantemente aggiornato/a sulle evoluzioni di questi tool (nuove funzionalità, best practice, workflow) e proporrai in modo proattivo miglioramenti al processo di sviluppo e collaborazione del team;

definirai e applicherai linee guida operative per l’utilizzo efficace degli agent (prompting, review, verifiche, guardrail) per garantire affidabilità, tracciabilità e mantenibilità del codice in produzione;

raccoglierai, pulirai e preprocesserai dataset ampi ed eterogenei provenienti da fonti multiple (strutturate, semi-strutturate e non strutturate);

svilupperai pipeline per ingestione, trasformazione e feature engineering garantendo workflow scalabili, efficienti e affidabili;

implementerai tecniche avanzate per product matching, recommendation, forecasting e anomaly detection;

costruirai dashboard e visualizzazioni interattive con Python (Plotly, Dash, Leaflet) o piattaforme BI per comunicare insight in modo chiaro a stakeholder tecnici e non tecnici;

collaborerai con back-end e data engineer per integrare i modelli nei sistemi di produzione;

condurrai valutazioni e validazioni rigorose dei modelli (metriche appropriate, A/B test, cross-validation);

scriverai codice Python pulito, modulare e ben documentato, utilizzando sistemi di version control (Git) in ambiente collaborativo;

contribuirai al miglioramento continuo dell’infrastruttura dati, degli strumenti e delle pratiche MLOps aziendali;

definirai e implementerai controlli di data quality end-to-end, includendo test automatici per identificare anomalie, regressioni e comportamenti diversi da quelli attesi (es. drift dei dati, variazioni inattese di distribuzione, outlier, rotture di mapping);

progetterai e manterrai una suite di test (unit/integration/data tests) a supporto delle pipeline dati e dei modelli, garantendo robustezza, riproducibilità e affidabilità dei risultati in produzione;

costruirai e gestirai pipeline di monitoraggio continuo del database (metriche, alerting, dashboard) per assicurare completezza, coerenza e freschezza del dato, con meccanismi di escalation rapidi in caso di degradazione;

collaborerai con Data Engineering e Back-end per definire SLA, metriche di qualità e processi di remediation in caso di issue sistemiche o degradazioni progressive;

ti manterrai aggiornato sulle evoluzioni di machine learning, data science e AI, proponendo soluzioni innovative.

esperienza comprovata nello sviluppo e nel deploy di modelli di machine learning in ambienti di produzione;

ottima padronanza di Python (requisito essenziale) e del relativo ecosistema data science (Pandas, NumPy, Scikit-learn, ecc.);

esperienza pratica con framework di deep learning (es. PyTorch o TensorFlow)

solida conoscenza di statistica, disegno sperimentale e metodologie di valutazione dei modelli;

buone competenze SQL ed esperienza con database relazionali (es. PostgreSQL) per estrazione e validazione dati;

esperienza nella costruzione e manutenzione di pipeline per feature engineering e training dei modelli;

interesse concreto e qualche esperienza di sperimentazione con modelli AI open-weight (es. Llama, Mistral, Qwen), inclusa familiarità con preparazione dei dataset e valutazione delle performance; costituisce un plus aver svolto attività di fine-tuning e ottimizzazione (es. LoRA/QLoRA);

familiarità con ambienti cloud (in particolare GCP) e strumenti di containerizzazione come Docker;

esperienza con pratiche MLOps (versioning dei modelli, monitoring, CI/CD per ML) ;

mentalità orientata al problem solving e capacità di tradurre esigenze di business in sol