Senior Machine Learning Engineer
Pubblicato il 12-09-2026 - Humans tech in Frosinone
pbSiamo Humans.tech. /b /ppbr/ppCreiamo interfacce intelligenti che risolvono tematiche complesse e migliorano esperienze, oltre a essere, ovviamente, belle! Collaboriamo con aziende globali come bAirbnb /b, bAmazon /b, bAngelini /b… e siamo solo alla lettera A. /ppbr/ppIn 10 anni abbiamo lanciato boltre 700 prodotti digitali /b, lavoriamo per il b70% con clienti globali /b btra Europa e Stati Uniti /b, e abbiamo sedi a Frosinone e San Francisco. Siamo tra le b1000 aziende europee in più rapida crescita per Financial Times Statista /b e tra le btop 5 aziende /b per cui lavorare in Italia per la Gen Z secondo bGreat Place to Work 2026 /b. /ppbr/ppLavoriamo con AI dal 2015, non da quando è diventata un trend. I nostri Partner si chiamano bOpenAI /b, bMeta /b, bAWS /b, bTranslated /b. /ppbr/ppNon siamo la solita consulenza. Affianchiamo product company e aziende che vogliono diventarlo, e i prodotti li costruiamo davvero: dall'analisi all'architettura, dal codice al delivery. È come lavorare dentro un team prodotto, solo che il team prodotto siamo noi. /ppbr/ppb Chi cerchiamo /b /ppbr/ppNon cerchiamo qualcuno che sappia sviluppare. Cerchiamo qualcuno che si annoi a farlo in modo ordinario. /ppbr/ppUna persona senior. Senior vera, non senior su LinkedIn. /ppbr/ppUna che sistemi ad alto traffico li ha sviluppati, mantenuti e scalati e non guardati da fuori, non toccati a pezzi. Una che ha messo prodotti in produzione e che chiude il cerchio, dal training al serving, non addestra un prototipo e passa la palla. /ppbr/ppUna persona AI-first: l'architettura del progetto la pensa con la sua testa, poi usa gli strumenti giusti per costruirla, riprogettarla, accelerarla. L'AI è leva, non scorciatoia. /ppbr/ppQui dentro funziona così: noi ti diamo le opportunità. Tu le prendi, le capisci, le contestualizzi. Procedi velocemente verso le soluzioni, prendi le decisioni, le porti in produzione. Senza creare frizione. /ppbr/ppb? Come ragioniamo, con chi lavorerai /b /ppbr/ppSi lavora per obiettivi. Questo ci rende flessibili e molto esigenti. Spingiamo ogni persona del team oltre i suoi limiti attuali perché solo così si arriva a risultati che superano l'aspettativa iniziale. /ppbr/ppNon vogliamo che tu abbia le risposte pronte. Vogliamo che tu sappia fare le domande giuste e che abbia il pensiero critico per scavarci dentro. /ppbr/ppEntrerai in un team cross-funzionale: la versione a pieni poteri di un gruppo coeso, trasversale nelle conoscenze e verticale nelle competenze. Software Engineer, ML/AI, Product Designer, dentro la stessa stanza, fisica o virtuale che sia. /ppbr/ppQui si supporta l'idea migliore, non la propria idea. Ti chiediamo di portarne tante, e di lasciar andare le tue quando ne arriva una più solida. "Abbiamo sempre fatto così" non è una risposta accettabile.
/ppbr/ppColtiviamo l'eccellenza, ma sappiamo che la perfezione, nei processi umani, è una bugia. Le persone qui restano: significa team stabili, basso turnover, continuità reale sui progetti. È il nostro indicatore migliore. /ppbr/ppb⚙️ Cosa devi saper fare /b /ppbr/pullibPython /b padroneggiato sul serio. Codice production-ready, con clean code, testing e CI/CD (Git, GitHub Actions). /lilibAlgoritmi ML /b, supervisionati e non. Conosci i principali e sai quale serve per quale problema e costruisci soluzioni che si ripetono su più casi d'uso, non one-off. Data preparation e feature engineering (Pandas, NumPy) sono parte del mestiere, non un fastidio da delegare. /lilibDeep learning con PyTorch e/o TensorFlow /b. Progetti, addestri e ottimizzi le architetture (CNN, RNN, Transformer) e le hai applicate sul serio a NLP e Computer Vision (BERT, GPT, YOLO). Non adatti un tutorial: lo riscrivi quando serve. /lilibFondamenti matematici e statistici /b. Algebra lineare, probabilità, statistica inferenziale. Ti servono per validare un modello e scovare un bias nei dati, non per superare un esame. /lilibMLOps e produzione /b. ML pipeline per deployment e monitoring, Docker e Kubernetes nel flusso quotidiano, serving su cloud (AWS, GCP o Azure) con autoscaling e costi inference sotto controllo. Gestisci l'intero lifecycle, dal training al maintenance, non solo il momento bello del training. /lilibData engineering /b. SQL e NoSQL per volumi seri, pipeline robuste, data quality. E ti muovi con i vector database (es. Qdrant) e i graph database (es. Neo4j) che le applicazioni AI moderne richiedono. I dati sporchi a valle li paghi a monte, e lo sai. /lilibObservability e model governance /b. Monitoring, drift detection, metriche di valutazione serie, retraining e model versioning (es. MLflow, DVC). Un modello in produzione che nessuno guarda è un debito, non un asset. /lilibAgentic coding tools nel flusso quotidiano /b. /lilibInglese professionale /b, scritto e parlato. /li /ulpbr/ppPlus /pulliLLM, RAG e orchestrazione di sistemi multi-agente (LangGraph, AutoGen o CrewAI). Interesse o esperienza concreta in ambito GenAI. /liliTraining distribuito e fine-tuning su larga scala (SageMaker, Vertex AI). /liliTecniche avanzate (Reinforcement Learning, GAN) e ottimizzazione di modelli per ambienti con risorse limitate.
/liliOrchestrazione di workflow dati (es. Apache Airflow). /liliSecurity, privacy e responsible AI: PII redaction, OWASP per ML, compliance (GDPR, ISO 27001). /liliMentoring di altri engineer, contributi open-source o challenge Kaggle. /liliInglese da madrelingua. /li /ulpbr/ppb? Chi non funziona /b /ppbr/pulliTi servono spec iper-dettagliate per partire. Da noi il problema te lo si passa in mano: lo modelli tu. /liliTi aspetti micro-management, o cerchi un ambiente con processi pensati per proteggere chi non performa. /liliVedi solo il tuo pezzetto. Se ragioni a "questa è il mio task, il resto non è mio problema", blocchi tutti. /liliSei lento a decidere. Aspettare validazione su ogni scelta, da noi, costa. L'ownership si prende, non si delega. /liliHai bisogno di mesi per "trovare il ritmo". Non sei qui per studiare, ma per validare. /li /ulpbr/ppb Come si lavora /b /ppbr/ppFull remote? Funziona. Se sei al livello che cerchiamo in questo annuncio. Quello che pesa è la qualità dell'output, non dove vivi. /ppbr/ppSe puoi e vuoi venire, però, l'ibrido è la strada che consigliamo: il team è di 70 persone, e stare nella stessa stanza accelera la crescita molto più di qualsiasi call. /ppbr/ppSe vuoi trasferirti, ti diamo una mano: bonus relocation di € 3K. /ppbr/ppb❤️ Cosa c'è in ballo /b /ppbr/pulliContratto full-time. /liliRAL da €42.000 a €55.000+. Il "+" non è grafica, è possibilità. /liliProgetti su mercati internazionali con KPI di business. /liliBuoni pasto (full-ticket). /liliHealthcare: assicurazione sanitaria + accesso a Unobravo. /liliWealthcare: Corporate Benefits + Starting Finance. /liliHardware top di gamma: MacBook Pro, ovviamente. /liliPiano di crescita personalizzato, coaching e mentoring on the job. /liliTeam building nazionali e internazionali. /liliBonus legati a performance. /liliBonus relocation di €3.000 (se lo desideri). /li /ulpbr/ppE quando sei in ufficio, gli spazi sono pensati per starci bene: palestra attrezzata con spogliatoi, campo da padel, simulatori professionali, bar, area relax, area ristoro, parcheggi dedicati. Roba che rende la giornata sostenibile, piacevole e umana: ➡️ guarda il video ⬅️ /ppbr/ppb Come ci conosciamo /b /ppbr/ppTre step, niente fuffa: /pulliColloquio introduttivo (30 min): una chiacchierata. /liliApprofondimento (30 min): cultura, modalità di lavoro, benefit. /liliPair programming (90 min): si lavora insieme su un problema ML reale. /li /ulpbr/ppVeloce, perché il tempo è il primo asset. Il tuo, e il nostro. /ppbr/ppSe stai aspettando il momento perfetto per candidarti: è ora. Scrivici. /ppbr/ppIl presente annuncio è rivolto a candidati di ogni genere (D.Lgs. 198/2006). /ppIl range di RAL riflette la maggior attinenza del ruolo richiesto. /p