Comproprietario
TensorLoops ricerca un/unaJunior Machine Learning Engineer, anche neolaureato/a, da inserire nel team impegnato nello sviluppo di un progetto industriale di Intelligenza Artificiale applicata all'Energy Trading, realizzato insieme a un operatore del mercato energetico italiano.
La nuova risorsa lavorerà su problemi reali diforecasting di serie temporali, Machine Learning e analisi dei dati, contribuendo allo sviluppo di sistemi per la previsione dei consumi elettrici, l'analisi degli sbilanciamenti e il supporto alle decisioni operative.
La posizione è pensata anche per una persona all'inizio del proprio percorso competente, con una buona preparazione quantitativa e informatica e con interesse per applicazioni industriali dell'Intelligenza Artificiale.
La risorsa sarà affiancata da ricercatori e ingegneri del team e acquisirà progressivamente conoscenze specifiche sul mercato energetico.
Responsabilità
Analizzare e preparare serie temporali e dataset energetici reali, occupandosi delle principali attività di pulizia, trasformazione, aggregazione e controllo della qualità dei dati.
Sviluppare e sperimentare modelli di Machine Learning per il forecasting dei consumi elettrici e per altri problemi predittivi legati al mercato energetico.
Collaborare alla progettazione di feature e pipeline per l'elaborazione di dati temporali provenienti da differenti sorgenti.
Valutare i modelli mediante benchmark, backtesting temporali e metriche quantitative appropriate.
Confrontare differenti approcci modellistici e analizzare sistematicamente gli errori e le condizioni nelle quali i modelli risultano maggiormente affidabili.
Contribuire all'integrazione dei modelli predittivi con moduli di simulazione, valutazione economica e supporto alle decisioni.
Produrre visualizzazioni, report e strumenti di analisi dei risultati.
Contribuire alla manutenzione e al miglioramento delle pipeline software del progetto.
Utilizzare Git per il versionamento del codice e documentare esperimenti, configurazioni e risultati in modo da garantirne la riproducibilità.
Collaborare con il team tecnico e scientifico nelle attività di sperimentazione e progressiva validazione del sistema su processi operativi reali.
Laurea magistrale o triennale inIngegneria Informatica, Elettronica, dell'Informazione, Automatica, Energeticao in discipline scientifiche e quantitative affini.
Buona conoscenza diPython.
Conoscenza dei fondamenti diMachine Learning, statistica e analisi dei dati.
Familiarità con librerie qualiNumPy, Pandas e scikit-learn.
Interesse per problemi di forecasting, serie temporali e modellazione predittiva.
Capacità di analizzare un problema in maniera metodica, verificare i risultati e documentare il lavoro svolto.
Attitudine al lavoro in gruppo, curiosità scientifica e disponibilità ad apprendere nuove metodologie e tecnologie.
Costituiscono elementi preferenziali, anche quando acquisiti attraversotesi di laurea, progetti universitari o progetti personali, esperienze conLightGBM, XGBoost, PyTorch, Git, tecniche di forecasting e analisi di serie temporali.
La conoscenza preventiva del mercato energetico è gradita, manon richiesta.
Il contesto applicativo e gli elementi specifici dell'Energy Trading saranno approfonditi durante l'attività con il team.
#J-*****-Ljbffr
La nuova risorsa lavorerà su problemi reali diforecasting di serie temporali, Machine Learning e analisi dei dati, contribuendo allo sviluppo di sistemi per la previsione dei consumi elettrici, l'analisi degli sbilanciamenti e il supporto alle decisioni operative.
La posizione è pensata anche per una persona all'inizio del proprio percorso competente, con una buona preparazione quantitativa e informatica e con interesse per applicazioni industriali dell'Intelligenza Artificiale.
La risorsa sarà affiancata da ricercatori e ingegneri del team e acquisirà progressivamente conoscenze specifiche sul mercato energetico.
Responsabilità
Analizzare e preparare serie temporali e dataset energetici reali, occupandosi delle principali attività di pulizia, trasformazione, aggregazione e controllo della qualità dei dati.
Sviluppare e sperimentare modelli di Machine Learning per il forecasting dei consumi elettrici e per altri problemi predittivi legati al mercato energetico.
Collaborare alla progettazione di feature e pipeline per l'elaborazione di dati temporali provenienti da differenti sorgenti.
Valutare i modelli mediante benchmark, backtesting temporali e metriche quantitative appropriate.
Confrontare differenti approcci modellistici e analizzare sistematicamente gli errori e le condizioni nelle quali i modelli risultano maggiormente affidabili.
Contribuire all'integrazione dei modelli predittivi con moduli di simulazione, valutazione economica e supporto alle decisioni.
Produrre visualizzazioni, report e strumenti di analisi dei risultati.
Contribuire alla manutenzione e al miglioramento delle pipeline software del progetto.
Utilizzare Git per il versionamento del codice e documentare esperimenti, configurazioni e risultati in modo da garantirne la riproducibilità.
Collaborare con il team tecnico e scientifico nelle attività di sperimentazione e progressiva validazione del sistema su processi operativi reali.
Laurea magistrale o triennale inIngegneria Informatica, Elettronica, dell'Informazione, Automatica, Energeticao in discipline scientifiche e quantitative affini.
Buona conoscenza diPython.
Conoscenza dei fondamenti diMachine Learning, statistica e analisi dei dati.
Familiarità con librerie qualiNumPy, Pandas e scikit-learn.
Interesse per problemi di forecasting, serie temporali e modellazione predittiva.
Capacità di analizzare un problema in maniera metodica, verificare i risultati e documentare il lavoro svolto.
Attitudine al lavoro in gruppo, curiosità scientifica e disponibilità ad apprendere nuove metodologie e tecnologie.
Costituiscono elementi preferenziali, anche quando acquisiti attraversotesi di laurea, progetti universitari o progetti personali, esperienze conLightGBM, XGBoost, PyTorch, Git, tecniche di forecasting e analisi di serie temporali.
La conoscenza preventiva del mercato energetico è gradita, manon richiesta.
Il contesto applicativo e gli elementi specifici dell'Energy Trading saranno approfonditi durante l'attività con il team.
#J-*****-Ljbffr