Senior Data Scientist – BIP AI LAB
Pubblicato il 02-10-2026 - Business Integration Partners in Como
Overview
In questo ruolo puoi guidare lo sviluppo di soluzioni ML e DL end-to-end all’interno di un laboratorio di intelligenza artificiale. Lavorerai in un team multidisciplinare che integra ricerca, engineering e delivery per trasformare l’innovazione in risultati concreti per i clienti. Gestirai feature engineering avanzato, selezione modelli e tuning su dataset complessi e di grandi dimensioni, con focus su robustezza e deploy in ambienti reali. Avrai l’occasione di contribuire a framework di Responsible & Explainable AI e di mentorare profili junior. Unisci impatto tecnologico e consulenza strategica in un contesto internazionale e in rapida evoluzione.
Retribuzione / Benefits
- lavoro ibrido con possibilità di remoto
- assicurazione sanitaria
- check-up agevolati
- ticket restaurant
- piano welfare integrativo
- supporto alla genitorialità
Responsabilità
- Guidare progettazione e sviluppo di soluzioni ML/DL end-to-end, dalla definizione del problema al modello, valutazione e deployment
- Eseguire feature engineering avanzato,
model selection e iperparametri tuning su dataset complessi
- Condurre analisi statistiche avanzate (modelli bayesiani, inferenza causale, design sperimentale) per supportare decisioni strategiche
- Collaborare con AI Engineer e MLOps per la produzione, garantendo qualità, riproducibilità e monitoraggio
- Contribuire a framework metodologici e linee guida di Responsible & Explainable AI
- Fare mentoring tecnico e scientifico a profili junior mediante code review e affiancamento sui progetti
Requisiti fondamentali
- Da 3 a 6 anni di esperienza in ruoli di Data Scientist o ML Researcher, preferibilmente in contesti consulenziali o industriali
- Padronanza avanzata di Python e dell’ecosistema DS/ML (scikit-learn, PyTorch o TensorFlow, statsmodels)
- Solide basi in statistica e nei principali paradigmi di ML/DL supervisionato e non supervisionato
- Esperienza nel portare modelli in produzione e nell’integrazione con pipeline MLOps
- Capa