Ingegnere dati senior 100% (f/m/d)

Compiti

• Supporto nello sviluppo di un hub di dati aziendali basato su Python (integrato con Oracle) e ulteriore sviluppo dell'infrastruttura MLOps.
• Combinazione dell'eccellenza DevOps con l'ingegneria pratica del machine learning per fornire soluzioni ML scalabili, affidabili e verificabili
• Automazione delle pipeline CI/CD per i carichi di lavoro relativi ai dati e al machine learning, accelerazione della distribuzione dei modelli, garanzia della stabilità del sistema, applicazione dell'Infrastructure-as-Code e del machine learning.
• Sviluppo, formazione e valutazione di modelli di apprendimento automatico (ad es. con scikit-learn, xgboost, PyTorch) in stretta collaborazione con i data scientist.
• Orchestrazione di flussi di lavoro ML end-to-end, inclusi pre-elaborazione, addestramento, ottimizzazione degli iperparametri e convalida dei modelli
• Fornitura e gestione di modelli nella produzione utilizzando microservizi containerizzati (Docker/K8s) e API REST/gRPC
• Gestione del ciclo di vita MLOps tramite strumenti quali MLflow (monitoraggio degli esperimenti, registro dei modelli) e implementazione del monitoraggio di deriva, degrado e prestazioni
• Rifattorizzazione del codice esplorativo (ad es. Jupyter Notebooks) in pipeline di produzione robuste, testabili e versionate
• Collaborazione con i data engineer per fornire e ottimizzare il data hub, al fine di garantire flussi di dati affidabili per la formazione e l'inferenza.
• Risoluzione dei problemi operativi relativi alle infrastrutture, ai dati e ai modelli; partecipazione alla risposta agli incidenti e all'analisi delle cause alla radice

Requisiti

• Competenze tecniche: ottima padronanza di Python, Linux, CI/CD, Docker, Kubernetes e strumenti MLOps (ad es. MLflow)
• Esperienza pratica con database Oracle, SQL e framework ML
• Capacità di ingegneria ML: capacità di gestire l'intero ciclo di vita ML, dalla formazione e valutazione alla distribuzione e monitoraggio, con particolare attenzione alla riproducibilità e alla conformità.
• Automazione e affidabilità: impegno a creare sistemi stabili e autorigeneranti con monitoraggio proattivo e ripristino automatico
• Collaborazione e comunicazione: efficace giocatore di squadra in ambienti agili e interfunzionali; in grado di comunicare chiaramente con destinatari tecnici e non tecnici.

Istruzione e competenze

• Formazione: Laurea triennale (BS) in Informatica, Ingegneria, Scienze dei dati o un campo affine
• Certificazioni quali CKA, AWS/Azure DevOps Engineer o Google Cloud Professional DevOps Engineer costituiscono un vantaggio.
• Competenze tecniche: esperto in Python, Git e scripting shell
• Esperienza con pipeline CI/CD (GitLab, Jenkins), Docker e Kubernetes

Offriamo