AI Engineer (Bari)
pPer potenziare il team RD dedicato al progetto EvoCity cerchiamo una figura dibAI /bbEngineer /bcon competenze in analisi dati, modellazione predittiva e implementazione di soluzioni di AI in contesti aziendali. /p /brpQuesta persona avrà il compito di trasformare problemi di business in soluzioni analitiche concrete, attraverso l’intero ciclo di vita del dato: dalla raccolta alla valutazione dell’impatto. /p /brpbLa posizione è aperta presso la sede di Bari ma la modalità di lavoro è ibrida (ovvero con possibilità di lavoro da remoto). /b /p /brpbTi occuperai di: /b /p /brul /brliProgettare e sviluppare modelli di Machine Learning su dataset complessi e disomogenei; /li /brliEseguire analisi esplorative e visualizzazione dati utilizzando librerie Python (pandas, numpy, seaborn, matplotlib); /li /brliPulire,
trasformare e ingegnerizzare variabili con tecniche di preprocessing avanzate; /li /brliValutare performance dei modelli tramite metriche appropriate, validazione incrociata e analisi del bias; /li /brliOttimizzare pipeline di ML e gestire il fine-tuning di modelli preaddestrati (es. Hugging Face); /li /brliInterrogare database SQL e ottimizzare query su basi dati strutturate; /li /brliLavorare in ambienti collaborativi tramite Git, GitLab/GitHub, Docker e strumenti cloud-based (Colab, GCP); /li /brliSupportare il team business nella definizione di KPI, soglie operative e metriche di monitoraggio; /li /brliEffettuare analisi costi/benefici (ROI) relative all’adozione di soluzioni AI su cloud; /li /brliIdentificare e documentare rischi, bias e limiti dei modelli sviluppati. /li /br /ul #J-18808-Ljbffr
trasformare e ingegnerizzare variabili con tecniche di preprocessing avanzate; /li /brliValutare performance dei modelli tramite metriche appropriate, validazione incrociata e analisi del bias; /li /brliOttimizzare pipeline di ML e gestire il fine-tuning di modelli preaddestrati (es. Hugging Face); /li /brliInterrogare database SQL e ottimizzare query su basi dati strutturate; /li /brliLavorare in ambienti collaborativi tramite Git, GitLab/GitHub, Docker e strumenti cloud-based (Colab, GCP); /li /brliSupportare il team business nella definizione di KPI, soglie operative e metriche di monitoraggio; /li /brliEffettuare analisi costi/benefici (ROI) relative all’adozione di soluzioni AI su cloud; /li /brliIdentificare e documentare rischi, bias e limiti dei modelli sviluppati. /li /br /ul #J-18808-Ljbffr