Offerta di lavoro

Senior Data Engineer 100% (m/f/d)

Il Senior Data Engineer (m/f/d) supporta lo sviluppo di un hub di dati aziendali basato su Python e l'espansione dell'infrastruttura MLOps per fornire soluzioni ML scalabili e affidabili. Le mansioni principali includono l'automazione delle pipeline CI/CD, l'accelerazione della distribuzione dei modelli e la garanzia della stabilità del sistema.

All'estero

Gruppo Julius Baer Ltd.

100%

Descrizione del lavoro

Compiti

Sviluppo, formazione e valutazione di modelli di machine learning (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
Distribuzione e implementazione di modelli nella produzione utilizzando microservizi containerizzati (Docker/K8s) e API REST/gRPC
Gestione del ciclo di vita MLOps con strumenti quali MLflow (monitoraggio degli esperimenti, registro dei modelli) e implementazione del monitoraggio di deriva, degrado e prestazioni
Rifattorizzazione del codice esplorativo (ad es. notebook Jupyter) 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 a livello di infrastruttura, dati e modelli; partecipazione alla risposta agli incidenti e all'analisi delle cause alla radice

Requisiti

Profilo

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.
ML Engineering Aptitude: capacità di gestire l'intero ciclo di vita del ML, dalla formazione e valutazione fino all'implementazione e al monitoraggio, con particolare attenzione alla riproducibilità e alla conformità.
Automazione e affidabilità: impegno nella creazione di sistemi stabili e autorigeneranti con monitoraggio proattivo e ripristino automatizzato
Collaborazione e comunicazione: efficace giocatore di squadra in ambienti agili e interfunzionali; in grado di comunicare in modo chiaro con destinatari tecnici e non tecnici.

Istruzione e competenze

Formazione: Laurea triennale (BS) in Informatica, Ingegneria, Scienze dei dati o campo affine. Certificazioni quali CKA, AWS/Azure DevOps Engineer o Google Cloud Professional DevOps Engineer costituiscono un vantaggio.
Competenze tecniche:
- Python, Git e scripting della shell
- Esperienza con pipeline CI/CD (GitLab, Jenkins), Docker e Kubernetes
Conoscenze linguistiche: è richiesta la conoscenza dell'inglese