Senior AI Engineer - LLM RAG
pPer conto di una realtà di consulenza ICT, siamo alla ricerca di un AI Engineer che sarà responsabile dello sviluppo e dell’implementazione di bsistemi RAG /b e btecniche avanzate di feature extraction /b per analizzare contenuti testuali, audio e video. La risorsa collaborerà con il team di sviluppatori Back End e Front Endb, NLP engineers e media analysts /b per creare soluzioni che migliorino la comprensione e la generazione di informazioni. /p h3Posizione /h3 pLa risorsa si occuperà di: /p ul liProgettare e sviluppare bpipeline di agenti AI per RAG /b, combinando bretrieval di informazioni e generazione avanzata /b con LLM. /li liImplementare tecniche di bfeature extraction da immagini, video e audio /b, utilizzando bCNN, Transformers e modelli di audio embedding /b. /li liCreare pipeline per bingestion, indexing e retrieval di contenuti multimediali /b, sfruttando database vettoriali e tecnologie avanzate come bFAISS, Pinecone o Weaviate /b. /li liSviluppare e ottimizzare modelli di bembedding per contenuti multimediali e testuali /b, garantendo la scalabilità e la robustezza delle soluzioni. /li liMigliorare le capacità di bragionamento e contestualizzazione /b dei modelli LLM tramite bfine-tuning, prompt engineering e knowledge distillation /b. /li liOttimizzare l'integrazione di bsistemi di retrieval basati su semantic search /b per rispondere a query in modo più accurato ed ottimizzato.
/li libAlmeno 7 anni di esperienza /bnello sviluppo di soluzioni AI con un focus su bNLP, multimodal AI o feature extraction /b. /li liOttima conoscenza di bPython /b e delle principali librerie AI, tra cui bHugging Face, LangChain, PyTorch, TensorFlow /b. /li liEsperienza con bRAG architectures /b, database vettoriali e tecniche di bsemantic search /b. /li liFamiliarità con btecniche di pre-processing, tokenization e feature engineering su dati multimodali /b. /li liEsperienza nell’bestrazione di informazioni da media /b (es. OCR per testi, object detection per immagini, speech-to-text per audio). /li liConoscenza di architetture, bTransformer-based per NLP e multimodal AI (GPT, BERT, etc.) /b. /li liCapacità di lavorare con bdataset non strutturati e knowledge graphs /b per migliorare la qualità delle risposte nei sistemi di AI. /li liEsperienza con b.NET Core, /b containerizzazione (Docker, Kubernetes) e deployment. /li liEsperienza con bmodelli generativi multimodali /b e loro applicazione in RAG. /li liEsperienza con tecnologie bVector Search e RAG su larga scala /b. /li liEsperienza nel bcoordinamento /bdi risorse tecniche e innovazione AI e nuove architetture /li /ul h3Altre informazioni /h3 pSede di lavoro: Roma Nord-Est; /p pInquadramento: CCNL Metalmecannico /p pModalità di lavoro: ibrida, con 2 giorni di smart working alla settimana /p #J-18808-Ljbffr
/li libAlmeno 7 anni di esperienza /bnello sviluppo di soluzioni AI con un focus su bNLP, multimodal AI o feature extraction /b. /li liOttima conoscenza di bPython /b e delle principali librerie AI, tra cui bHugging Face, LangChain, PyTorch, TensorFlow /b. /li liEsperienza con bRAG architectures /b, database vettoriali e tecniche di bsemantic search /b. /li liFamiliarità con btecniche di pre-processing, tokenization e feature engineering su dati multimodali /b. /li liEsperienza nell’bestrazione di informazioni da media /b (es. OCR per testi, object detection per immagini, speech-to-text per audio). /li liConoscenza di architetture, bTransformer-based per NLP e multimodal AI (GPT, BERT, etc.) /b. /li liCapacità di lavorare con bdataset non strutturati e knowledge graphs /b per migliorare la qualità delle risposte nei sistemi di AI. /li liEsperienza con b.NET Core, /b containerizzazione (Docker, Kubernetes) e deployment. /li liEsperienza con bmodelli generativi multimodali /b e loro applicazione in RAG. /li liEsperienza con tecnologie bVector Search e RAG su larga scala /b. /li liEsperienza nel bcoordinamento /bdi risorse tecniche e innovazione AI e nuove architetture /li /ul h3Altre informazioni /h3 pSede di lavoro: Roma Nord-Est; /p pInquadramento: CCNL Metalmecannico /p pModalità di lavoro: ibrida, con 2 giorni di smart working alla settimana /p #J-18808-Ljbffr