AI / Data Engineer
Professione/ Funzione: IT -Data ScientistDescrizione aziendaIl nostro cliente è una piattaforma no-code e self-provisioning che consente di creare agenti e modelli di intelligenza artificiale in tempo reale, destinati a istituzioni finanziarie, fintech e piattaforme di digital asset. L'azienda fornisce modelli decisionali AI agentici, spiegazioni audit-ready e avanzate capacità di modellazione per ambiti quali credit scoring, rilevazione frodi, risk modelling, churn prediction, customer retention, customer rating e molto altro. La loro missione è portare nel mondo TradFi e DeFi soluzioni decisionali basate su IA trasparenti, conformi, pronte per l'AI Act e ad alte prestazioni. Per utilizzare il prodotto non sono richieste competenze tecniche o di data science. Stiamo cercando un AI / Data Engineer che guidi iniziative di modellazione ad alto impatto e contribuisca a definire la nuova generazione di agenti intelligenti e foundation model finanziari che alimentano la loro piattaforma. PosizioneIn qualità di AI Engineer, guiderai la progettazione, lo sviluppo, la validazione e la messa in produzione di modelli statistici e di machine learning avanzati, operativi in tempo reale e su larga scala. Lavorerai a stretto contatto con i team di engineering, product e con esperti di dominio per garantire che i modelli siano accurati, robusti, spiegabili e pronti per la produzione. Si tratta di un ruolo ad alta responsabilità e visibilità, con un impatto diretto sull'intelligenza che governa i sistemi decisionali della piattaforma Genyo.ai. Responsabilità principaliGuidare l'intero ciclo di vita del machine learning: definizione del problema, acquisizione dati, feature engineering (inclusi dati on-chain e off-chain), modellazione, validazione, deployment e monitoraggio. Sviluppare modelli innovativi per: Rilevazione frodi (es. mixer,
rischio portafogli, operazioni anomale, sanzioni).
Credit scoring on-chain e risk assessment comportamentale. Modelli di rischio di liquidità e treasury. Dynamic pricing, ottimizzazione degli spread e retention scoring. Sviluppare modelli a supporto del motore decisionale AI agentico, abilitando flussi decisionali autonomi multi-step e in tempo reale. Garantire che tutti i modelli siano spiegabili, auditabili e conformi; contribuire a framework di spiegazione narrativa e alla documentazione. Progettare e ottimizzare feature store, data pipeline, API dei modelli e framework di monitoraggio. Condurre ricerca avanzata su graph ML, forecasting di serie temporali, anomaly detection, embeddings, self-supervised learning e altri ambiti pertinenti. Fare mentoring ad altri data scientist e contribuire agli standard di modellazione, alla cultura sperimentale e ai processi di revisione. Comunicare risultati e comportamento dei modelli a stakeholder interni, clienti e autorità regolatorie, in modo chiaro e operativo. RequisitiLaurea magistrale o PhD in Statistica, Machine Learning, Matematica, Informatica, Ingegneria, Econometria, Fisica o discipline quantitative affini. Oltre 3 anni di esperienza in data science o ruoli ML, preferibilmente in servizi finanziari, fintech, pagamenti, trading o digital asset. Ottima conoscenza di Python e delle principali librerie ML (scikit-learn, PyTorch,
TensorFlow).
Esperienza comprovata nella costruzione e messa in produzione di modelli ML (batch, streaming o real-time).
Solida conoscenza di: Modellazione statisticaMetodi di classificazione e regressioneSerie temporali e forecastingAnomaly detectionAnalisi di grafi e networkModellazione per fraud detection e credit riskEsperienza nella creazione di modelli spiegabili e con framework di validazione robusti. Ottime capacità comunicative e abilità nel tradurre concetti tecnici complessi per stakeholder di business, engineering e compliance. Capacità di operare in uno startup environment vivace, con senso di ownership, creatività e autonomia. Conoscenza e applicazione delle best practice di sicurezza per modelli, dataset e pipeline (controlli di accesso, protezione PII, crittografia, logging).
Partecipazione alle valutazioni di rischio legate allo sviluppo dei modelli, al trattamento dei dati e ai processi decisionali in tempo reale. Mantenimento della documentazione dei modelli, audit trail e evidenze per audit interni ed esterni. Collaborazione con il team Security per migliorare sicurezza, monitoraggio e incident-response delle pipeline ML.
Verifica della conformità di dataset, strumenti e integrazioni di terze parti agli standard di sicurezza e alle normative. Requisiti preferenzialiEsperienza nella progettazione o nell'implementazione di agent, modelli decisionali AI/ML o sistemi di ragionamento multi-step in ambito finanziario o ad elevata sensibilità al rischio. Esperienza nello sviluppo o fine-tuning di modelli per use case finanziari (credito, frodi, anomaly detection, rischio, compliance).
Esperienza con blockchain e modellazione digital-asset: clustering wallet, analisi attività on-chain, analytics di protocolli
rischio portafogli, operazioni anomale, sanzioni).
Credit scoring on-chain e risk assessment comportamentale. Modelli di rischio di liquidità e treasury. Dynamic pricing, ottimizzazione degli spread e retention scoring. Sviluppare modelli a supporto del motore decisionale AI agentico, abilitando flussi decisionali autonomi multi-step e in tempo reale. Garantire che tutti i modelli siano spiegabili, auditabili e conformi; contribuire a framework di spiegazione narrativa e alla documentazione. Progettare e ottimizzare feature store, data pipeline, API dei modelli e framework di monitoraggio. Condurre ricerca avanzata su graph ML, forecasting di serie temporali, anomaly detection, embeddings, self-supervised learning e altri ambiti pertinenti. Fare mentoring ad altri data scientist e contribuire agli standard di modellazione, alla cultura sperimentale e ai processi di revisione. Comunicare risultati e comportamento dei modelli a stakeholder interni, clienti e autorità regolatorie, in modo chiaro e operativo. RequisitiLaurea magistrale o PhD in Statistica, Machine Learning, Matematica, Informatica, Ingegneria, Econometria, Fisica o discipline quantitative affini. Oltre 3 anni di esperienza in data science o ruoli ML, preferibilmente in servizi finanziari, fintech, pagamenti, trading o digital asset. Ottima conoscenza di Python e delle principali librerie ML (scikit-learn, PyTorch,
TensorFlow).
Esperienza comprovata nella costruzione e messa in produzione di modelli ML (batch, streaming o real-time).
Solida conoscenza di: Modellazione statisticaMetodi di classificazione e regressioneSerie temporali e forecastingAnomaly detectionAnalisi di grafi e networkModellazione per fraud detection e credit riskEsperienza nella creazione di modelli spiegabili e con framework di validazione robusti. Ottime capacità comunicative e abilità nel tradurre concetti tecnici complessi per stakeholder di business, engineering e compliance. Capacità di operare in uno startup environment vivace, con senso di ownership, creatività e autonomia. Conoscenza e applicazione delle best practice di sicurezza per modelli, dataset e pipeline (controlli di accesso, protezione PII, crittografia, logging).
Partecipazione alle valutazioni di rischio legate allo sviluppo dei modelli, al trattamento dei dati e ai processi decisionali in tempo reale. Mantenimento della documentazione dei modelli, audit trail e evidenze per audit interni ed esterni. Collaborazione con il team Security per migliorare sicurezza, monitoraggio e incident-response delle pipeline ML.
Verifica della conformità di dataset, strumenti e integrazioni di terze parti agli standard di sicurezza e alle normative. Requisiti preferenzialiEsperienza nella progettazione o nell'implementazione di agent, modelli decisionali AI/ML o sistemi di ragionamento multi-step in ambito finanziario o ad elevata sensibilità al rischio. Esperienza nello sviluppo o fine-tuning di modelli per use case finanziari (credito, frodi, anomaly detection, rischio, compliance).
Esperienza con blockchain e modellazione digital-asset: clustering wallet, analisi attività on-chain, analytics di protocolli