Ingegnere di machine learning

Compiti

• Sviluppo, implementazione e ottimizzazione di soluzioni di machine learning e intelligenza artificiale per affrontare sfide aziendali complesse.
• Creazione di sistemi multi-agente e dotazione dei modelli di IA di funzioni e possibilità di richiamare strumenti.
• Progettazione e implementazione di sistemi RAG per integrare le risposte generate dall'intelligenza artificiale nei dati aziendali.
• Valutazione e integrazione di modelli di intelligenza artificiale (ad es. LLM) per garantire prestazioni e affidabilità ottimali.
• Ottimizzazione dei flussi di lavoro degli agenti e degli agenti basati sull'intelligenza artificiale per casi d'uso in produzione.
• Testare e ottimizzare i prompt di sistema e gli esempi "few-shot" per garantire risultati dell'IA accurati, coerenti e affidabili.
• Valutazione delle prestazioni dei modelli di machine learning e di intelligenza artificiale utilizzando metriche, set di valutazione e tecniche adeguate, nonché iterazione e miglioramento continui.
• Collaborazione con i team delle piattaforme, i data engineer, i data scientist e altre parti interessate per integrare soluzioni di machine learning nei sistemi e nei processi esistenti.
• Partecipazione alle revisioni del codice, ai test e al debug per garantire la qualità e l'affidabilità delle soluzioni di machine learning.

Requisiti

• Spiccate capacità analitiche e di risoluzione dei problemi, unite alla capacità di affrontare sfide complesse con spirito critico e creativo.
• Eccellenti capacità comunicative e di collaborazione, con la capacità di lavorare efficacemente con team interfunzionali e parti interessate a tutti i livelli dell'organizzazione.
• Capacità di gestire efficacemente i propri flussi di lavoro, stabilire le priorità delle attività, gestire le scadenze e fornire risultati di alta qualità nei tempi previsti.
• Una costante volontà di apprendimento, unita alla passione di rimanere sempre al passo con gli ultimi sviluppi nel campo del machine learning e dell'intelligenza artificiale.
• Attenzione ai dettagli e impegno nella creazione di codice di alta qualità, affidabile e facile da mantenere.
• Comprovata esperienza con i modelli linguistici di grandi dimensioni (LLM).
• Buona comprensione degli agenti di IA e dei flussi di lavoro degli agenti, dei framework di orchestrazione LLM e dei modelli di pensiero.
• Esperienza nella pre-elaborazione dei dati, nel feature engineering e nelle tecniche di selezione e valutazione dei modelli.
• Conoscenza dei concetti statistici e matematici rilevanti per l'apprendimento automatico, quali la probabilità, l'algebra lineare e l'ottimizzazione.
• Comprensione delle migliori pratiche di sviluppo software, tra cui la gestione delle versioni, i test e la documentazione.
• Eccellenti capacità di risoluzione dei problemi e di debug, con la capacità di identificare e risolvere i problemi in modo rapido ed efficace.

Offriamo