Ai Engineer
Pubblicato il 19-08-2026 - beexact in Roma
BeExact sviluppa soluzioni digitali per la progettazione, il monitoraggio e la gestione delle infrastrutture di telecomunicazione, con un focus sulle reti in fibra ottica.
Le nostre piattaforme integrano tecnologie di Artificial Intelligence, Computer Vision, Mobile Mapping, Digital Twin, GIS e Data Analytics per automatizzare i processi di rilievo, analisi e gestione delle infrastrutture, trasformando dati complessi in strumenti operativi per i nostri clienti.
Lavoriamo su progetti innovativi che combinano AI e dati provenienti da immagini, sensori e rilievi sul campo, sviluppando soluzioni utilizzate ogni giorno da operatori di telecomunicazioni, utility e grandi aziende.
Entrerai a far parte di un team giovane, informale e altamente qualificato, dove il confronto tecnico è continuo, le idee vengono ascoltate e ogni persona può contribuire concretamente alle decisioni progettuali. Crediamo nell'autonomia, nella sperimentazione e nella crescita professionale, offrendo un ambiente collaborativo in cui trasformare la ricerca in prodotti reali.
To streamline our recruitment process, we will only consider applications from candidates who are already based in Italy (preferably in the Rome area), have native or near-native Italian language proficiency, and meet the technical requirements outlined in this .
Descrizione della posizione:
Stiamo cercando un/una AI Engineer – Computer Vision | Roma Nord
Caratteristiche
Un/una professionista con esperienza concreta in Computer Vision, capace di lavorare in autonomia dall'analisi del problema fino al deploy in produzione. Non un esecutore, ma qualcuno che sa prendere decisioni tecniche e difenderle.
Cosa farai
Progettare e gestire pipeline end-to-end di Computer Vision (dalla raccolta dati all'inferenza in produzione) - Scegliere e implementare l'architettura giusta per ogni problema: detection, segmentation, classification, tracking - Fare fine-tuning e ottimizzazione di modelli su dati proprietari (YOLO, Detectron2, SAM, CLIP, Grounding DINO) - Gestire dataset complessi con Roboflow,
LabelStudio o CVAT - Ottimizzare modelli per il deploy: ONNX, TensorRT, TorchScript- Integrare i modelli in sistemi reali: API (FastAPI), edge device, applicazioni mobile e web - Monitorare le performance in produzione e guidare i cicli di re-training - Supportare tecnicamente il team e contribuire alle scelte architetturali
Il profilo che stiamo cercando:
- 2–4 anni di esperienza in ruoli di AI/ML Engineering con focus su Computer Vision Python avanzato e padronanza di PyTorch
- Esperienza provata su almeno due tra: object detection, instance segmentation, semantic segmentation, image classification
- Familiarità con il ciclo completo MLOps: training → evaluation → deploy → monitoring
- Abitudine a lavorare con dati reali, sporchi, imperfetti
Cosa offriamo: Ownership reale su progetti ad alto impatto
GPU dedicate e stack tecnologico attuale Formazione continua e cultura della ricerca applicata
Percorso di crescita verso Senior CV Engineer, Tech Lead o MLOps Specialist
Ral commisurata all'esperienza 24000/40000
Team tecnico solido, ambiente meritocratico.
Siamo un team giovane e stiamo ancora costruendo la nostra identità. Per questo teniamo alla presenza in sede: non per abitudine, ma perché crediamo che lavorare insieme — almeno in questa fase — faccia la differenza.
Lo smart working c'è, ma non è la nostra modalità predefinita.
Ambiente informale, orario elastico .
Come candidarsi
Invia il tuo CV con link a progetti rilevanti: GitHub, paper, demo, Roboflow Universe o qualsiasi cosa mostri come lavori davvero
Retribuzione: €25.000,00 - €35.000,00 all'anno
Domande di preselezione
- Raccontami il progetto di Computer Vision di cui sei più orgoglioso.
- Hai seguito personalmente tutto il ciclo del modello?
raccolta dati training validazione deploy monitoraggio Oppure ti sei occupato solo di una parte?
- ai mai portato un modello in produzione?
Se sì: dove?
con quali strumenti?
come veniva esposto?
come monitoravate le performance?
- Se dovessi creare oggi una pipeline completa di Object Detection, quali strumenti utilizzeresti?
Sede di lavoro: Di persona