Middle Ai Operations Lead
OverviewIn questo ruolo coordini la messa in produzione e l'operatività delle soluzioni Data & AI.
Sarai punto di riferimento tecnico per l'intero ciclo di vita di AI, dal deployment al monitoraggio, fino al troubleshooting, garantendo affidabilità e prestazioni in produzione.
Lavorerai in un contesto Data & AI in crescita, collaborando con team trasversali e fornitori esterni.
L'opportunità mette al centro la trasformazione digitale e l'innovazione nel gruppo Italgas, con focus su governance dati, sicurezza e ottimizzazione dei costi.
Unisci impatto operativo, miglioramento continuo e occasione di formazione avanzata in una realtà enterprise.
Retribuzione / Benefitscrescita professionale
ambiente innovativo
formazione continua su tecnologie emergenti
smart working
piano di Azionariato Diffuso
welfare aziendale
ResponsabilitàPresidiare la messa in produzione di soluzioni AI e Data su Azure e Databricks, incluse deployment, configurazione e validazione.
Gestire pipeline dati e modelli in produzione: monitoraggio, alerting, troubleshooting e incident resolution.
Implementare e manutenere processi AI/MLOps e DataOps: versioning modelli, CI/CD, retraining schedulato e rilevamento drift.
Garantire Data Governance e Security in produzione (Unity Catalog, Row-Level Security, lineage).
Capacity planning e ottimizzazione costi su cloud; identificare inefficienze e proporre miglioramenti.
Coordinarsi con fornitori e team interni come riferimento tecnico operativo della AI factory.
Requisiti fondamentaliEsperienza 4–6 anni in ruoli operativi Data & AI in contesti enterprise.
Laurea in discipline affini (informatica, ingegneria, matematica, fisica).
Conoscenza approfondita di Azure e Databricks (Lakehouse, Unity Catalog, Delta Lake, Workflows).
Esperienza con strumenti MLOps (MLflow, Unity Catalog) e pratiche CI/CD per data/AI pipelines.
Python, SQL e scripting (Bash, PowerShell).
Esperienza ETL/ELT batch e streaming (Azure Data Factory, Spark Structured Streaming, Kafka).
Conoscenza architetture dati moderne (Data Lakehouse, Data Mesh, Data Warehouse).
Monitoring e observability (Azure Monitor, Grafana, log analytics).
Docker e Kubernetes.
forte senso di ownership
autonomia operativa
approccio metodico
Azure
Databricks
MLOps (MLflow, Unity Catalog)
Sarai punto di riferimento tecnico per l'intero ciclo di vita di AI, dal deployment al monitoraggio, fino al troubleshooting, garantendo affidabilità e prestazioni in produzione.
Lavorerai in un contesto Data & AI in crescita, collaborando con team trasversali e fornitori esterni.
L'opportunità mette al centro la trasformazione digitale e l'innovazione nel gruppo Italgas, con focus su governance dati, sicurezza e ottimizzazione dei costi.
Unisci impatto operativo, miglioramento continuo e occasione di formazione avanzata in una realtà enterprise.
Retribuzione / Benefitscrescita professionale
ambiente innovativo
formazione continua su tecnologie emergenti
smart working
piano di Azionariato Diffuso
welfare aziendale
ResponsabilitàPresidiare la messa in produzione di soluzioni AI e Data su Azure e Databricks, incluse deployment, configurazione e validazione.
Gestire pipeline dati e modelli in produzione: monitoraggio, alerting, troubleshooting e incident resolution.
Implementare e manutenere processi AI/MLOps e DataOps: versioning modelli, CI/CD, retraining schedulato e rilevamento drift.
Garantire Data Governance e Security in produzione (Unity Catalog, Row-Level Security, lineage).
Capacity planning e ottimizzazione costi su cloud; identificare inefficienze e proporre miglioramenti.
Coordinarsi con fornitori e team interni come riferimento tecnico operativo della AI factory.
Requisiti fondamentaliEsperienza 4–6 anni in ruoli operativi Data & AI in contesti enterprise.
Laurea in discipline affini (informatica, ingegneria, matematica, fisica).
Conoscenza approfondita di Azure e Databricks (Lakehouse, Unity Catalog, Delta Lake, Workflows).
Esperienza con strumenti MLOps (MLflow, Unity Catalog) e pratiche CI/CD per data/AI pipelines.
Python, SQL e scripting (Bash, PowerShell).
Esperienza ETL/ELT batch e streaming (Azure Data Factory, Spark Structured Streaming, Kafka).
Conoscenza architetture dati moderne (Data Lakehouse, Data Mesh, Data Warehouse).
Monitoring e observability (Azure Monitor, Grafana, log analytics).
Docker e Kubernetes.
forte senso di ownership
autonomia operativa
approccio metodico
Azure
Databricks
MLOps (MLflow, Unity Catalog)