Senior Machine Learning Engineer
Pubblicato il 20-09-2026 - Humans tech in Torino
pstrong Siamo Humans.tech. /strongp Il suo CV è pronto? Se sì, e se è convinto/a che questo sia il ruolo giusto per lei, si candidi il prima possibile. brp Creiamo interfacce intelligenti che risolvono tematiche complesse e migliorano esperienze, oltre a essere, ovviamente, belle! Collaboriamo con aziende globali come strong Airbnb /strong , strong Amazon /strong , strong Angelini /strong… e siamo solo alla lettera A. /p p In 10 anni abbiamo lanciato b oltre 700 prodotti digitali /b , lavoriamo per il b70% con clienti globali /b b tra 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 b top 5 aziende /b per cui lavorare in Italia per la Gen Z secondo b Great Place to Work 2026 /b . /p p Lavoriamo con AI dal 2015, non da quando è diventata un trend. I nostri Partner si chiamano b OpenAI /b , b Meta /b , b AWS /b , b Translated /b . /p p Non 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. /p pb Chi cerchiamo /b /p p Non cerchiamo qualcuno che sappia sviluppare. Cerchiamo qualcuno che si annoi a farlo in modo ordinario. /p p Una persona senior. Senior vera, non senior su LinkedIn. /p p Una 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. /p p Una 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. /p p Qui 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. /p pb Come ragioniamo, con chi lavorerai /b /p p Si 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. /p p Non vogliamo che tu abbia le risposte pronte. Vogliamo che tu sappia fare le domande giuste e che abbia il pensiero critico per scavarci dentro. /p p Entrerai 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. /p p Qui 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. /p p Coltiviamo 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. /p pb Cosa devi saper fare /b /p ullib Python /b padroneggiato sul serio. Codice production-ready, con clean code, testing e CI/CD (Git, GitHub Actions). /lilib Algoritmi 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. /lilib Deep 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. /lilib Fondamenti 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. /lilib MLOps 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. /lilib Data 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. /lilib Observability 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. /lilib Agentic coding tools nel flusso quotidiano /b . /lilib Inglese qualificato /b , scritto e parlato. /li /ul p Plus /pulli LLM, RAG e orchestrazione di sistemi multi-agente (LangGraph, AutoGen o CrewAI). Interesse o esperienza concreta in ambito GenAI. /lili Training distribuito e fine-tuning su larga scala (SageMaker, Vertex AI). /lili Tecniche avanzate (Reinforcement Learning, GAN)
e ottimizzazione di modelli per ambienti con risorse limitate. /lili Orchestrazione di workflow dati (es. Apache Airflow). /lili Security, privacy e responsible AI: PII redaction, OWASP per ML, compliance (GDPR, ISO 27001). /lili Mentoring di altri engineer, contributi open-source o challenge Kaggle. /lili Inglese da madrelingua. /li /ul pb Chi non funziona /b /p ulli Ti servono spec iper-dettagliate per partire. Da noi il problema te lo si passa in mano: lo modelli tu. /lili Ti aspetti micro-management, o cerchi un ambiente con processi pensati per proteggere chi non performa. /lili Vedi solo il tuo pezzetto. Se ragioni a "questa è il mio task, il resto non è mio problema", blocchi tutti. /lili Sei lento a decidere. Aspettare validazione su ogni scelta, da noi, costa. L'ownership si prende, non si delega. /lili Hai bisogno di mesi per "trovare il ritmo". Non sei qui per studiare, ma per validare. /li /ul pb Come si lavora /b /p p Full remote? Funziona. Se sei al livello che cerchiamo in questo annuncio. Quello che pesa è la qualità dell'output, non dove vivi. /p p Se 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. /p p Se vuoi trasferirti, ti diamo una mano: bonus relocation di € 3K. /p pb Cosa c'è in ballo /b /p ulli Contratto full-time. /lili RAL da €42.000 a €55.000+. Il "+" non è grafica, è opportunità. /lili Progetti su mercati internazionali con KPI di business. /lili Buoni pasto (full-ticket). /lili Healthcare: assicurazione sanitaria + accesso a Unobravo. /lili Wealthcare: Corporate Benefits + Starting Finance. /lili Hardware top di gamma: MacBook Pro, ovviamente. /lili Piano di crescita personalizzato, coaching e mentoring on the job. /lili Team building nazionali e internazionali. /lili Premio legati a performance. /lili Bonus relocation di €3.000 (se lo desideri). /li /ul p E 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 ⬅ /p pb Come ci conosciamo /b /p p Tre step, niente fuffa: /polli Colloquio introduttivo (30 min): una chiacchierata. /lili Approfondimento (30 min): cultura, modalità di lavoro, benefit. /lili Pair programming (90 min): si lavora insieme su un problema ML reale. /li /ol p Veloce, perché il tempo è il primo asset. Il tuo, e il nostro. /p p Se stai aspettando il momento perfetto per candidarti: è ora. Scrivici. xrdbqlu /p p Il presente annuncio è rivolto a candidati di ogni genere (D.Lgs. 198/2006). /pp Il range di RAL riflette la maggior attinenza del ruolo richiesto. /p /p /p