Machine Learning Engineer
Pubblicato il 17-10-2026 - Intesa Sanpaolo in Milano
Candidati ora »
- Avvia la candidatura con LinkedIn
- Candidati
- Attendi...
Machine Learning Engineer
Data: 13 ott 2026
Località:
Torino - Milano, IT
Società: Intesa Sanpaolo S.p.A.
.
Overview
All'interno dell'area Data & Artificial Intelligence Office, e più precisamente nella struttura di A.I. Delivery Center, nell'ufficio A.I. & GENAI Technology Platform, ti occuperai dell'evoluzione della piattaforma AI aziendale in ottica scalabile, sicura e conforme alle normative. Sarai responsabile della progettazione, sviluppo e messa in produzione di soluzioni AI trasversali, riutilizzabili e scalabili, attraverso Databricks. Lavorerai all'interno di team multidisciplinari, interagendo con altre strutture della banca (es: Cyber, altre fabbriche applicative).
Quali saranno le tue attività
- Sviluppare e industrializzare modelli ML/AI (training, deployment, monitoring)
- Definire e implementare pipeline MLOps (CI/CD, versioning, monitoring)
- Progettare soluzioni AI su piattaforme enterprise (Databricks e OpenShift/Kubernetes)
- Integrare modelli avanzati (es. Azure OpenAI,
Google AI) all'interno delle soluzioni applicative
- Collaborare con team multidisciplinari per tradurre esigenze di business in soluzioni AI scalabili
- Garantire sicurezza, compliance e explainability dei modelli
- Contribuire alla progettazione e sviluppo di architetture basate su AI agents
- Supportare la crescita tecnica delle figure più junior
Chi stiamo cercando
Se hai le seguenti caratteristiche, ti stiamo aspettando:
- 3-5 anni di esperienza nell'ambito dei progetti AI
- Ottima conoscenza di Python
- Esperienza nello sviluppo end-to-end di soluzioni ML (training, deployment, monitoring)
- Esperienza con ambienti containerizzati (Kubernetes/OpenShift)
- Esperienza con piattaforme cloud e integrazione di servizi AI (Azure, Google Cloud)
- Esperienza con Apache Spark/PySpark per la gestione e trasformazione di dati su larga scala su Databricks
- Conoscenza di strumenti di MLOps e model lifecycle