Generative AI Engineer

Armundia Group è alla ricerca di un profilo AI Engineer da inserire a capo di un team di R&D specializzato in AI Generativa integrata in soluzioni software Armundia.

• Obiettivo del ruolo

Guidare un team tecnico di ricerca e sviluppo nell’ideazione, sperimentazione e applicazione di soluzioni basate su AI Generativa, con un focus particolare sull’utilizzo e l’ottimizzazione di modelli LLM, embeddings semantici e tecniche di fine-tuning.

Competenze chiave

Machine Learning & Deep Learning

• Progettazione e addestramento di modelli neurali (Transformer, GAN, Diffusion).
• Esperienza hands-on con LLM (es. GPT, LLaMA, Claude, Mistral).
• Fine-tuning, prompt engineering e adattamento di modelli pre-addestrati.

Embeddings & Similarità semantica

• Generazione e utilizzo di embeddings vettoriali (es. con OpenAI, Hugging Face, SentenceTransformers).
• Costruzione di sistemi basati su semantic search , clustering semantico e retrieval-augmented generation (RAG) .
• Conoscenza di tecniche di dimensionality reduction (PCA, UMAP, t-SNE) per analisi e visualizzazione.

⚙️ Tech stack & strumenti

• Python, PyTorch, TensorFlow, JAX.
• Framework: Hugging Face Transformers, LangChain, FAISS, Weaviate, Qdrant.
• MLOps: Docker, MLflow, Git, CI/CD, Kubernetes.
• Cloud: AWS (SageMaker), GCP (Vertex AI), Azure ML.

NICE TO HAVE (competenze in sviluppo sw) :

Sviluppo Back-to-Front (Java Enterprise Edition)

• Architettura JEE completa: EJB, JPA, JAX-RS, JMS.
• Framework: Spring (Core, Boot, Security), Hibernate, Jakarta EE.
• Database relazionali e NoSQL: PostgreSQL, Oracle, MongoDB.
• Front-end: HTML5, CSS3, JavaScript, TypeScript, Angular/React.
• API RESTful & Sicurezza: progettazione di API, OAuth2, JWT, integrazione con servizi esterni.
• Conoscenza del ciclo di vita software enterprise: CI/CD, test automation, monitoraggio.

Leadership e organizzazione

• Gestione operativa di un piccolo team (2–6 persone) tra ricercatori, data scientist e sviluppatori.
• Definizione delle roadmap di R&D, con bilanciamento tra esplorazione teorica e delivery.
• Mentorship tecnica e aggiornamento continuo del team su trend e paper rilevanti.

Capacità analitiche e sperimentali

• Esperienza nel design di esperimenti ML: creazione di benchmark e metriche custom.
• Analisi del comportamento dei modelli generativi: explainability, controllo dell’output, misure anti-bias.
• Attenzione alla robustezza , scalabilità e efficienza computazionale delle soluzioni.

Soft skills e mindset

• Mentalità sperimentale, curiosa, documentata.
• Forte comunicazione interdisciplinare, anche verso stakeholder non tecnici.
• Attitudine alla condivisione open-source o alla documentazione scientifica.

Plus

• Esperienza con modelli multi-modali (testo + immagine/audio).
• Competenze in NLP tradizionale (NER, parsing, text classification).
• Partecipazione a community scientifiche o contributi a repository pubblici.

Se sei interessato e il tuo profilo corrisponde alla nostra offerta, non esitare a candidarti!

La ricerca si intende rivolta ai candidati di ambo i sessi ai sensi delle leggi 903/77 e 125/91