Requirements: Italian
Company: Armundia Group
Region: Rome , Lazio
Armundia Group alla ricerca di un profilo AI Engineer da inserire a capo di un team di R&D specializzato in AI Generativa integrata in soluzioni software Armundia.
Guidare un team tecnico di ricerca e sviluppo nellideazione, sperimentazione e applicazione di soluzioni basate su AI Generativa, con un focus particolare sullutilizzo e lottimizzazione di modelli LLM, embeddings semantici e tecniche di fine-tuning.
Competenze chiave
Machine Learning & Deep Learning
- Progettazione e addestramento di modelli neurali (Transformer, GAN, Diffusion).
- Esperienza hands-on con LLM (es. GPT, LLaMA, Claude, Mistral).
- Fine-tuning, prompt engineering e adattamento di modelli pre-addestrati.
Embeddings & Similarit semantica
- Generazione e utilizzo di embeddings vettoriali (es. con OpenAI, Hugging Face, SentenceTransformers).
- Costruzione di sistemi basati su semantic search, clustering semantico e retrieval-augmented generation (RAG).
- Conoscenza di tecniche di dimensionality reduction (PCA, UMAP, t-SNE) per analisi e visualizzazione.
Tech stack & strumenti
- Python, PyTorch, TensorFlow, JAX.
- Framework: Hugging Face Transformers, LangChain, FAISS, Weaviate, Qdrant.
- MLOps: Docker, MLflow, Git, CI/CD, Kubernetes.
- Cloud: AWS (SageMaker), GCP (Vertex AI), Azure ML.
NICE TO HAVE (competenze in sviluppo sw) :
Sviluppo Back-to-Front (Java Enterprise Edition)
- Architettura JEE completa: EJB, JPA, JAX-RS, JMS.
- Framework: Spring (Core, Boot, Security), Hibernate, Jakarta EE.
- Database relazionali e NoSQL: PostgreSQL, Oracle, MongoDB.
- Front-end: HTML5, CSS3, JavaScript, TypeScript, Angular/React.
- API RESTful & Sicurezza: progettazione di API, OAuth2, JWT, integrazione con servizi esterni.
- Conoscenza del ciclo di vita software enterprise: CI/CD, test automation, monitoraggio.
Leadership e organizzazione
- Gestione operativa di un piccolo team (26 persone) tra ricercatori, data scientist e sviluppatori.
- Definizione delle roadmap di R&D, con bilanciamento tra esplorazione teorica e delivery.
- Mentorship tecnica e aggiornamento continuo del team su trend e paper rilevanti.
Capacit analitiche e sperimentali
- Esperienza nel design di esperimenti ML: creazione di benchmark e metriche custom.
- Analisi del comportamento dei modelli generativi: explainability, controllo delloutput, misure anti-bias.
- Attenzione alla robustezza, scalabilit e efficienza computazionale delle soluzioni.
Soft skills e mindset
- Mentalit sperimentale, curiosa, documentata.
- Forte comunicazione interdisciplinare, anche verso stakeholder non tecnici.
- Attitudine alla condivisione open-source o alla documentazione scientifica.
Plus
- Esperienza con modelli multi-modali (testo + immagine/audio).
- Competenze in NLP tradizionale (NER, parsing, text classification).
- Partecipazione a community scientifiche o contributi a repository pubblici.
Se sei interessato e il tuo profilo corrisponde alla nostra offerta, non esitare a candidarti!
La ricerca si intende rivolta ai candidati di ambo i sessi ai sensi delle leggi 903/77 e 125/91