Senior Ai Engineer - Llm Rag
Per conto di una realtà di consulenza ICT, siamo alla ricerca di un AI Engineer che sarà responsabile dello sviluppo e dell'implementazione disistemi RAGetecniche avanzate di feature extractionper analizzare contenuti testuali, audio e video.
La risorsa collaborerà con il team di sviluppatori Back End e Front End, NLP engineers e media analystsper creare soluzioni che migliorino la comprensione e la generazione di informazioni.
Posizione
La risorsa si occuperà di:
Progettare e svilupparepipeline di agenti AI per RAG, combinandoretrieval di informazioni e generazione avanzatacon LLM.
Implementare tecniche difeature extraction da immagini, video e audio, utilizzandoCNN, Transformers e modelli di audio embedding.
Creare pipeline peringestion, indexing e retrieval di contenuti multimediali, sfruttando database vettoriali e tecnologie avanzate comeFAISS, Pinecone o Weaviate.
Sviluppare e ottimizzare modelli diembedding per contenuti multimediali e testuali, garantendo la scalabilità e la robustezza delle soluzioni.
Migliorare le capacità diragionamento e contestualizzazionedei modelli LLM tramitefine-tuning, prompt engineering e knowledge distillation.
Ottimizzare l'integrazione disistemi di retrieval basati su semantic searchper rispondere a query in modo più accurato ed ottimizzato.
Almeno 7 anni di esperienzanello sviluppo di soluzioni AI con un focus suNLP, multimodal AI o feature extraction.
Ottima conoscenza diPythone delle principali librerie AI, tra cuiHugging Face, LangChain, PyTorch, TensorFlow.
Esperienza conRAG architectures, database vettoriali e tecniche disemantic search.
Familiarità contecniche di pre-processing, tokenization e feature engineering su dati multimodali.
Esperienza nell'estrazione di informazioni da media(es. OCR per testi, object detection per immagini, speech-to-text per audio).
Conoscenza di architetture,Transformer-based per NLP e multimodal AI (GPT, BERT, etc.).
Capacità di lavorare condataset non strutturati e knowledge graphsper migliorare la qualità delle risposte nei sistemi di AI.
Esperienza con.NET Core,containerizzazione (Docker, Kubernetes) e deployment.
Esperienza conmodelli generativi multimodalie loro applicazione in RAG.
Esperienza con tecnologieVector Search e RAG su larga scala.
Esperienza nelcoordinamentodi risorse tecniche e innovazione AI e nuove architetture
Altre informazioni
Sede di lavoro: Roma Nord-Est;
Inquadramento: CCNL Metalmecannico
Modalità di lavoro: ibrida, con 2 giorni di smart working alla settimana
#J-*****-Ljbffr
La risorsa collaborerà con il team di sviluppatori Back End e Front End, NLP engineers e media analystsper creare soluzioni che migliorino la comprensione e la generazione di informazioni.
Posizione
La risorsa si occuperà di:
Progettare e svilupparepipeline di agenti AI per RAG, combinandoretrieval di informazioni e generazione avanzatacon LLM.
Implementare tecniche difeature extraction da immagini, video e audio, utilizzandoCNN, Transformers e modelli di audio embedding.
Creare pipeline peringestion, indexing e retrieval di contenuti multimediali, sfruttando database vettoriali e tecnologie avanzate comeFAISS, Pinecone o Weaviate.
Sviluppare e ottimizzare modelli diembedding per contenuti multimediali e testuali, garantendo la scalabilità e la robustezza delle soluzioni.
Migliorare le capacità diragionamento e contestualizzazionedei modelli LLM tramitefine-tuning, prompt engineering e knowledge distillation.
Ottimizzare l'integrazione disistemi di retrieval basati su semantic searchper rispondere a query in modo più accurato ed ottimizzato.
Almeno 7 anni di esperienzanello sviluppo di soluzioni AI con un focus suNLP, multimodal AI o feature extraction.
Ottima conoscenza diPythone delle principali librerie AI, tra cuiHugging Face, LangChain, PyTorch, TensorFlow.
Esperienza conRAG architectures, database vettoriali e tecniche disemantic search.
Familiarità contecniche di pre-processing, tokenization e feature engineering su dati multimodali.
Esperienza nell'estrazione di informazioni da media(es. OCR per testi, object detection per immagini, speech-to-text per audio).
Conoscenza di architetture,Transformer-based per NLP e multimodal AI (GPT, BERT, etc.).
Capacità di lavorare condataset non strutturati e knowledge graphsper migliorare la qualità delle risposte nei sistemi di AI.
Esperienza con.NET Core,containerizzazione (Docker, Kubernetes) e deployment.
Esperienza conmodelli generativi multimodalie loro applicazione in RAG.
Esperienza con tecnologieVector Search e RAG su larga scala.
Esperienza nelcoordinamentodi risorse tecniche e innovazione AI e nuove architetture
Altre informazioni
Sede di lavoro: Roma Nord-Est;
Inquadramento: CCNL Metalmecannico
Modalità di lavoro: ibrida, con 2 giorni di smart working alla settimana
#J-*****-Ljbffr