19 set - Bolzano
Business Integration Partners
OverviewIn questo ruolo di Senior AI Engineer, contribuirai alla progettazione e industrializzazione di piattaforme MLOps su cloud, con focus su produzione end-to-end di pipeline ML e governance dei modelli.
Lavorerai in un team multidisciplinare (Research, Engineering, Delivery) per trasformare ricerca e innovazione in soluzioni aziendali concrete.
Ti occuperai di architetture scalabili, osservabilità dei modelli e pratiche di sicurezza e costi in ambienti production.
L'opportunità combina sviluppo tecnico avanzato e mentoring, in un contesto internazionale e orientato alla crescita professionale.
Un aspetto chiave è collaborare con diverse funzioni per guidare progetti di AI integrati nel business
Retribuzione / BenefitsFormazione e sviluppo professionale
Lavoro ibrido/remoto
Assicurazione sanitaria
Check-up agevolati e benessere psicofisico
Piano welfare integrativo
Ticket restaurant
ResponsabilitàGuidare la progettazione di piattaforme MLOps enterprise su cloud (Azure, AWS, GCP) definendo pattern architetturali, standard e tooling
Presidiare lo sviluppo di pipeline ML end-to-end production-grade: feature engineering, training distribuito, deployment blue/green o canary, monitoring, retraining automatico
Definire architetture di model serving scalabili (real-time, batch, streaming)
su Kubernetes, SageMaker, Azure ML Endpoints o Vertex AI
Collaborare con Cloud Architect e Data Engineer per architetture end-to-end per sistemi AI in produzione, con sicurezza, networking e costi
Implementare strategie di model observability, drift detection, A/B testing e governance dei modelli in produzione
Fare mentoring tecnico e code review verso i profili junior, contribuendo a best practice e crescita delle competenze MLOps del team
Requisiti fondamentaliDai 3 ai 6 anni di esperienza in ML Engineering, MLOps o Cloud Engineering applicato all'AI
Padronanza di Python, Docker, Kubernetes e di almeno un orchestratore ML (MLflow, Kubeflow, SageMaker Pipelines, Azure ML Pipelines)
Esperienza consolidata su almeno un cloud provider (Azure, AWS o GCP) e sui relativi servizi ML/AI a livello production-grade
Competenza in CI/CD per ML (GitHub Actions, GitLab CI, Azure DevOps) e in Infrastructure as Code (Terraform, Bicep, CloudFormation)
Conoscenza di principi di sicurezza cloud, cost optimization e gestione di ambienti multi-tenant per workload AI
Mentoring tecnico
Collaborazione cross-funzionale
Proble solving intraprendente
Python
Docker
Kubernetes
20 set - Solofra
Top Conatct
20 set - Frabosa Sottana
Essedue
20 set - Catania
Top Conatct
20 set - Sacrofano
interedilgroup