Junior Data Scientist – BIP AI LAB
Pubblicato il 03-10-2026 - BIP in Bari
Entra nel nostro mondo. Trasforma insieme a noi.
Junior Data Scientist – BIP AI LAB
Location: Bari – Ibrido
Quale sarà la tua sfida?
Lavorare in BIP AI LAB significa operare in un contesto internazionale e multidisciplinare, contribuendo a progetti di consulenza, innovazione, ricerca finanziata e formazione sull’Intelligenza Artificiale. Farai parte di un team multidisciplinare che integra tre anime:
- Research: esperti che presidiano lo stato dell'arte in machine learning, AI generativa e metodi quantitativi.
- Engineering: sviluppatori e ingegneri specializzati in data engineering, data science, integrazione e visualizzazione del dato.
- Delivery: consulenti che traducono le soluzioni in risultati di business, dal design alla produzione.
Competenze richieste
- Supportare lo sviluppo di modelli di Machine Learning (classificazione, regressione, clustering) utilizzando scikit-learn, XGBoost e framework di deep learning come PyTorch o TensorFlow.
- Contribuire ad attività di feature engineering, analisi esplorativa dei dati (EDA) e preparazione dei dataset per il training.
- Collaborare alla realizzazione di analisi statistiche (test di ipotesi, inferenza, modelli lineari generalizzati) a supporto di use case di business.
- Partecipare allo sviluppo di soluzioni di deep learning su dati strutturati, immagini o testi.
- Lavorare con team cross-funzionali (Data Engineer, AI Engineer, Business Analyst) nella traduzione di requisiti di business in soluzioni data-driven.
- Supportare le iniziative legate a Responsible & Explainable AI.
Requisiti principali
- Fino a 3anni di esperienza (o stage, tesi, progetti universitari) in Data Science, Machine Learning o analisi statistica.
- Buona conoscenza di Python (Pandas, NumPy, scikit-learn) e del suo ecosistema per la Data Science.
- Familiarità con almeno un framework di deep learning (PyTorch, TensorFlow, Keras).
- Conoscenze di statistica descrittiva e inferenziale e di principi di ML (overfitting, cross-validation, m