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 di sistemi RAG e tecniche avanzate di feature extraction per analizzare contenuti testuali, audio e video.
La risorsa collaborerà con il team di sviluppatori Back End e Front End, NLP engineers e media analysts per creare soluzioni che migliorino la comprensione e la generazione di informazioni.Legga attentamente tutte le informazioni su questa opportunità, quindi utilizzi il pulsante di candidatura sottostante per inviare il suo CV.PosizioneLa risorsa si occuperà di:Progettare e sviluppare pipeline di agenti AI per RAG, combinando retrieval di informazioni e generazione avanzata con LLM.Implementare tecniche di feature extraction da immagini, video e audio, utilizzando CNN, Transformers e modelli di audio embedding.Creare pipeline per ingestion, indexing e retrieval di contenuti multimediali, sfruttando database vettoriali e tecnologie avanzate come FAISS, Pinecone o Weaviate.Sviluppare e ottimizzare modelli di embedding per contenuti multimediali e testuali, garantendo la scalabilità e la robustezza delle soluzioni.Migliorare le capacità di ragionamento e contestualizzazione dei modelli LLM tramite fine-tuning,
prompt engineering e knowledge distillation.Ottimizzare l'integrazione di sistemi di retrieval basati su semantic search per rispondere a query in modo più accurato ed ottimizzato.Almeno 7 anni di esperienza nello sviluppo di soluzioni AI con un focus su NLP, multimodal AI o feature extraction.Ottima conoscenza di Python e delle principali librerie AI, tra cui Hugging Face, LangChain, PyTorch, TensorFlow.Esperienza con RAG architectures, database vettoriali e tecniche di semantic search.Familiarità con tecniche 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 con dataset non strutturati e knowledge graphs per migliorare la qualità delle risposte nei sistemi di AI.Esperienza con .
NET Core, containerizzazione (Docker, Kubernetes) e deployment.
xysqume Esperienza con modelli generativi multimodali e loro applicazione in RAG.Esperienza con tecnologie Vector Search e RAG su larga scala.Esperienza nel coordinamento di risorse tecniche e innovazione AI e nuove architettureAltre informazioniSede di lavoro: Roma Nord-Est; Inquadramento: CCNL MetalmecannicoModalità 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 analysts per creare soluzioni che migliorino la comprensione e la generazione di informazioni.Legga attentamente tutte le informazioni su questa opportunità, quindi utilizzi il pulsante di candidatura sottostante per inviare il suo CV.PosizioneLa risorsa si occuperà di:Progettare e sviluppare pipeline di agenti AI per RAG, combinando retrieval di informazioni e generazione avanzata con LLM.Implementare tecniche di feature extraction da immagini, video e audio, utilizzando CNN, Transformers e modelli di audio embedding.Creare pipeline per ingestion, indexing e retrieval di contenuti multimediali, sfruttando database vettoriali e tecnologie avanzate come FAISS, Pinecone o Weaviate.Sviluppare e ottimizzare modelli di embedding per contenuti multimediali e testuali, garantendo la scalabilità e la robustezza delle soluzioni.Migliorare le capacità di ragionamento e contestualizzazione dei modelli LLM tramite fine-tuning,
prompt engineering e knowledge distillation.Ottimizzare l'integrazione di sistemi di retrieval basati su semantic search per rispondere a query in modo più accurato ed ottimizzato.Almeno 7 anni di esperienza nello sviluppo di soluzioni AI con un focus su NLP, multimodal AI o feature extraction.Ottima conoscenza di Python e delle principali librerie AI, tra cui Hugging Face, LangChain, PyTorch, TensorFlow.Esperienza con RAG architectures, database vettoriali e tecniche di semantic search.Familiarità con tecniche 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 con dataset non strutturati e knowledge graphs per migliorare la qualità delle risposte nei sistemi di AI.Esperienza con .
NET Core, containerizzazione (Docker, Kubernetes) e deployment.
xysqume Esperienza con modelli generativi multimodali e loro applicazione in RAG.Esperienza con tecnologie Vector Search e RAG su larga scala.Esperienza nel coordinamento di risorse tecniche e innovazione AI e nuove architettureAltre informazioniSede di lavoro: Roma Nord-Est; Inquadramento: CCNL MetalmecannicoModalità di lavoro: ibrida, con 2 giorni di smart working alla settimana#J-*****-Ljbffr