Descrizione del Lavoro

Cerchiamo una figura tecnica per supportare lo sviluppo e l'evoluzione dell'infrastruttura generativa dei prodotti Nexum. La persona lavorerà su inferenza locale e cloud, deployment di modelli open-weight, gestione runtime, caching, batching, containerizzazione, osservabilità e ottimizzazione delle performance. Stack tecnologico: Python, Docker, Kubernetes, vLLM, Ollama, llama.cpp, MLX, PostgreSQL, Redis, OpenTelemetry, Llama, Qwen, Mistral, Gemma, DeepSeek, Phi. Responsabilità principali: - Gestire e ottimizzare il deployment di modelli LLM in ambienti di produzione - Configurare runtime di inferenza (vLLM, Ollama, llama.cpp, MLX) - Implementare strategie di caching, batching e load balancing - Containerizzare e orchestrare i servizi AI con Docker e Kubernetes - Monitorare le performance con OpenTelemetry e strumenti di osservabilità - Ottimizzare l'utilizzo delle risorse GPU/CPU per l'inferenza Il presente annuncio è rivolto ad entrambi i sessi, nel rispetto delle leggi 903/77 e 125/91 sulla parità di trattamento lavorativo e contro le discriminazioni di genere. Siamo aperti a candidati di ogni età e nazionalità, conformemente ai decreti legislativi 215/03 e 216/03. Nexum incoraggia inoltre la candidatura di persone con disabilità, nel rispetto della normativa vigente.

Requisiti

• Infrastruttura AI

  Esperienza con vLLM, Ollama, llama.cpp, MLX e runtime di inferenza

• Container & Orchestrazione

  Docker, Kubernetes, containerizzazione e deployment di modelli

• Osservabilità

  OpenTelemetry, monitoring, logging e ottimizzazione delle performance

• Database & Caching

  PostgreSQL, Redis, strategie di caching e batching