Ai engineer

3A INFORMATICA SRL; Chieti; Remote; EUR 70,000 - 110,000; Full time

Job summary

3A INFORMATICA SRL cerca Senior AI Engineer per guidare progettazione, sviluppo e MLOps di soluzioni AI avanzate. Ruolo remoto completo con occasionali incontri a Chieti.

Sarai punto di riferimento per architetture agentiche, RAG, deployment e integrazione di servizi ad alte prestazioni in ambienti distribuiti. Il candidato ideale possiede solide competenze Python, ML/DL, PyTorch, LangChain e esperienza con pipeline RAG, Docker/Kubernetes e strumenti di osservabilità.

Qualifications

• Esperienza comprovata nello sviluppo Python e nell'esposizione di API in produzione.
• Conoscenza approfondita di ML/Deep Learning e sistemi basati su Transformer.
• Esperienza pratica con PyTorch e scikit-learn.
• Competenza in sistemi distribuiti, Docker e CI/CD.
• Esperienza con LLM, RAG e architetture agent-based.
• Inglese fluente; lavoro in contesto Agile.

Responsibilities

• Guidare l'architettura di sistemi AI scalabili e affidabili.
• Progettare pipeline RAG complesse e integrazione di servizi AI.
• Sviluppare servizi e API production-grade in Python.
• Applicare tecniche di fine-tuning LoRA/PEFT e gestione GPU.
• Lavorare con team cross-funzionali in ambiente Agile.

Skills

Python

API design

Microservizi

ML/Deep Learning

PyTorch

LangChain

LangGraph

RAG/Vector DB

AI systems architecture

Agile

Tools

Docker

Kubernetes

Redis

Qdrant

Dagster

Hugging Face

vLLM

Ray

MLflow

GitLab CI

Job description

Siamo alla ricerca di figure Senior AI Engineer di talento e con solida esperienza sul campo per guidare la progettazione, lo sviluppo e la messa in produzione di soluzioni avanzate basate su Intelligenza Artificiale e modelli generativi di ultima generazione.

L'attivita' e' in full remote con disponibilità (solo in caso di necessità/urgenze) a incontri su Chieti, con bassissima frequenza (1g/mese).

Il ruolo comporta essere il punto di riferimento per l'architettura di sistemi AI scalabili e affidabili: dall'ingegnerizzazione di architetture agentiche e multi-agente, a pipeline RAG complesse, fino all'integrazione di servizi AI ad alte prestazioni in ambienti di produzione distribuiti.

Architetture Agentiche & LLM: Progettare e sviluppare applicazioni basate su LLM, sistemi multi-agente e agentici avanzati (orchestrazione, tool usage, gestione dello stato, guardrails).

Soluzioni RAG Avanzate: Definire strategie di chunking, embedding, retrieval, reranking e contestualizzazione per pipeline RAG performanti e affidabili.

Sviluppo & Produzione: Creare servizi e API production-grade in Python, garantendo elevati standard di efficienza, latenza, throughput, sicurezza e osservabilità.

Modelli & Fine-Tuning: Applicare tecniche di fine-tuning (PEFT/LoRA) e ottimizzare carichi di lavoro AI su stack hardware dedicati (GPU, CUDA, vincoli di VRAM).

Collaborazione Cross-funzionale: Lavorare a stretto contatto con i team di ingegneria del software, dati, infrastruttura e prodotto in ambiente Agile.

Sviluppo Python: Eccellenti competenze di sviluppo in Python, con particolare focus su API e microservizi robusti e pronti per la produzione.

Machine Learning & Deep Learning: Solide basi di ML (feature engineering, flussi di sviluppo, validazione, metriche di valutazione) e comprovata esperienza pratica con PyTorch e scikit-learn.

LLM & Generative AI: Approfondita comprensione di Transformer, tokenizzazione, embedding, flussi di inferenza e architetture LLM.

Agentic Frameworks: Esperienza consolidata nell'uso di LangChain e LangGraph per la creazione di agenti intelligenti e flussi complessi.

RAG & Vector DB: Esperienza concreta nella progettazione di architetture RAG, conoscenza di database vettoriali (preferibilmente Qdrant) e sistemi di caching/state-management (es. Redis).

Fine-tuning & AI Hardware: Conoscenza di tecniche di fine-tuning parametro-efficiente (LoRA/PEFT) e dello stack hardware per AI (GPU, gestione VRAM, nozioni di base CUDA).

Ingegneria del Software & Sistemi Distribuiti: Padronanza di algoritmi, strutture dati, architetture a microservizi e pattern per sistemi distribuiti scalabili.

DevOps & Containerizzazione: Uso avanzato di Docker (Dockerfile, Docker Compose), gestione di carichi AI containerizzati e pratiche di CI/CD.

Metodologia & Lingue: Esperienza di lavoro in team con metodologie Agile e ottima padronanza della lingua inglese (fluente).

NIce to Have

Ecosistema Hugging Face (Transformers, Datasets, Accelerate, PEFT).

Framework avanzati di serving e inferenza distribuita come vLLM e Ray.

Pratiche e strumenti di MLOps / LLMOps (MLflow, tracking esperimenti, versionamento e lifecycle management).

Piattaforme di osservabilità, tracing e valutazione di LLM/RAG (es. Phoenix).

Prompt engineering sistematico e metodologie di testing/benchmark di prompt e agenti.

Tecniche di ottimizzazione dell'inferenza: quantizzazione, batching, caching, distillazione.

Profiling e tooling per GPU NVIDIA; familiarità con l'orchestrazione container su Kubernetes abilitato a GPU.

Conoscenza di pipeline dati e orchestratori come Dagster, oltre a pratiche di data curation e generazione di dati sintetici.

Competenze in AI Security (prompt injection, data leakage, abusi del modello, framework NIST).

Conoscenza di GitLab CI e gestione di artifact/package registries.