Senior Machine Learning Engineer
Pubblicato il 02-09-2026 - Ntt Data Europe & Latam in Milano
Senior Machine Learning Engineer
Interessato/a a questo ruolo? Può trovare tutte le informazioni pertinenti nella descrizione qui sotto.
La risorsa si occuperà della progettazione e dello sviluppo di soluzioni di Intelligenza Artificiale Generativa basate su sistemi agentici, Large Language Models (LLM) e architetture RAG, contribuendo alla realizzazione di pipeline scalabili e affidabili. Sarà inoltre responsabile dell'ottimizzazione dei modelli, della gestione di dati non strutturati e del monitoraggio dell'intero ciclo di vita delle soluzioni AI in contesto di produzione.
Il Profilo Ideale
Il candidato ideale ha almeno 3-4 anni di esperienza nel campo del Deep Learning e della Generative AI, ed è capace di sviluppare e implementare sistemi IA agentici, Large Language Models (LLM) e applicazioni avanzate basate su modelli fondazionali.
Appassionato di tecnologia, innovazione e risoluzione di problemi complessi, con esperienza pratica nella progettazione di agenti autonomi, sistemi RAG (Retrieval-Augmented Generation) e nell’implementazione di modelli in ambienti di produzione.
Mandatory Skills
-
- Sviluppo Agenti: Progettazione di sistemi agentici complessi, multi-agente e flussi di orchestrazione autonomi.
- Ingegneria LLM: Tuning, Prompt Engineering avanzato e ottimizzazione di Large Language Models e modelli multimodali.
- Sistemi RAG: Sviluppo di pipeline di Retrieval-Augmented Generation avanzate con database vettoriali per contestualizzare la GenAI.
- Gestione Dati: Familiarità con l’elaborazione di grandi dataset non strutturati (testo, codice, log, dati multimodali).
- Pipeline Scalabili: Creazione di pipeline di GenAI stabili e gestione del ciclo di vita dei sistemi (LLMOps, monitoraggio bias/allucinazioni, deployment).
Nice To Have
-
- Cloud & Scaling: Esperienza in Cloud Computing e con piattaforme di deployment (AWS, GCP, Vertex AI, Azure AI, Bedrock).
- Microservizi: Esperienza con architetture di microservizi e con il deployment di modelli e a