Machine Learning Engineer
Trasforma i modelli in servizi affidabili con pipeline automatizzate, validazione e monitoraggio, supportati dall’AI e da revisioni umane.
Descrizione del Lavoro
Missione Nexum cerca un Machine Learning Engineer che trasformi modelli ed esperimenti in sistemi di produzione affidabili, osservabili e manutenibili. Collegherai dati, training, deployment e operations preservando riproducibilità e tracciabilità. Cosa farai - Progetterai e implementerai pipeline di dati, feature, training, validazione e deployment - Trasformerai i modelli in servizi o workload batch sicuri, testati e versionati - Definirai versionamento e lineage per codice, dati, configurazioni e artefatti dei modelli - Automatizzerai validazione, CI/CD e deployment controllato in ambienti cloud e Kubernetes - Monitorerai qualità delle predizioni, latenza, throughput, consumo di risorse, errori e data o model drift - Analizzerai i problemi in produzione migliorando affidabilità, prestazioni e costi operativi - Collaborerai con Data Scientist, AI Engineer, DevOps e team di piattaforma su criteri chiari di accettazione per la produzione 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.
Come l’AI supporta il ruolo
Utilizzerai assistenti approvati per coding e operations per predisporre componenti di pipeline, test, configurazioni, documentazione e query diagnostiche. L’analisi dei log assistita dall’AI potrà accelerare le indagini, ma le conclusioni dovranno essere verificate sulla telemetria e sullo stato reale dei sistemi. Le modifiche generate dall’AI richiederanno code review, test automatici e procedure di rilascio controllate.
Gli strumenti variano in base al progetto. Il lavoro assistito dall’AI resta soggetto a revisione umana, controlli di sicurezza e validazione documentata.
Competenze Richieste
Python per la Produzione
Software testato e manutenibile per workload dati e modelli.
Pipeline MLOps
Training, validazione, versionamento, deployment e riproducibilità.
Cloud e Container
Docker, Kubernetes, servizi cloud, API e CI/CD.
Model Operations
Osservabilità, prestazioni, errori, data drift e model drift.
Come Lavoriamo
Engineering Assistito dall’AI
Strumenti AI approvati accelerano analisi, implementazione e documentazione; la responsabilità di ogni rilascio resta alle persone.
Prospettiva di Produzione
Il lavoro collega progettazione, rilascio, osservabilità e miglioramento continuo, senza fermarsi a prototipi isolati.
Evidenze e Tracciabilità
Le decisioni sono supportate da test, metriche, provenienza e compromessi documentati.
Delivery Multidisciplinare
Cloud, dati, AI, sicurezza e requisiti di business vengono collegati intorno a vincoli operativi reali.
