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.
Posizione
La 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 efficiente.
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.
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 architetture
Altre informazioni
Sede di lavoro: Roma Nord-Est;
Inquadramento: CCNL Metalmecannico
Modalità di lavoro: ibrida, con 2 giorni di lavoro da remoto alla settimana
#J-18808-Ljbffr
Posizione
La 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 efficiente.
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.
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 architetture
Altre informazioni
Sede di lavoro: Roma Nord-Est;
Inquadramento: CCNL Metalmecannico
Modalità di lavoro: ibrida, con 2 giorni di lavoro da remoto alla settimana
#J-18808-Ljbffr