Cloud Architect Data & AI – Hybrid & Multi-Cloud

Agap2 Italia

Monza

In loco

EUR 35.000 - 50.000

Tempo pieno

6 giorni fa

Candidati tra i primi

Generatore di candidature

Ottieni una risposta da questo datore di lavoro — un curriculum e una lettera di presentazione personalizzati, che corrispondono esattamente a ciò che sta cercando.

Supera i filtri ATS

Vantaggi offerti da questo lavoro

Collaborazioni in P.IVA

Buoni pasto giornalieri

Formazione continua

Follow-up HR

Descrizione del lavoro

AGAP2 Italia ricerca un Cloud Architect (Data & AI) con 5+ anni di esperienza per un ruolo R&D nel Motorsport e Automotive. Progetterà architetture cloud scalabili, sicure e ad alte prestazioni con Azure, Data Platform e ML/AI.

La posizione prevede soluzioni Hybrid/Multi-Cloud, IaC con Terraform/Bicep, migrazione di sistemi on-prem e sviluppo di data pipeline. Si richiede Inglese, competenze in Terraform/Azure/Docker/Kubernetes e ML/MLOps; retribuzione tra 35.000€ e 50.000€ e CCNL Commercio

Competenze

Almeno 5 anni di esperienza in Cloud Architecture.
Ottima conoscenza di Microsoft Azure.
Esperienza con AWS e/o GCP.
Solida esperienza con Terraform, Bicep o ARM.
Buona conoscenza di Python.
Esperienza con Databricks, Apache Spark, Microsoft Fabric, Azure Synapse o tecnologie equivalenti.
Conoscenza di Machine Learning e MLOps.
Esperienza con Docker e Kubernetes.
Conoscenza di CI/CD, DevOps e GitOps.
Buona conoscenza di networking, security, identity e cloud governance.
Esperienza nella progettazione di REST API e sistemi distribuiti.
Buona conoscenza della lingua inglese.

Mansioni

Progettazione di architetture cloud enterprise, principalmente su Microsoft Azure.
Definizione di soluzioni Hybrid e Multi-Cloud (Azure, AWS, GCP).
Progettazione e implementazione di soluzioni Infrastructure as Code con Terraform/Bicep.
Modernizzazione e migrazione di infrastrutture legacy e on-premise verso il cloud.
Progettazione di data platform e data pipeline per analytics, telemetry e AI.
Sviluppo e deployment di soluzioni Machine Learning e Artificial Intelligence.
Definizione di processi MLOps per training, deployment, monitoring e lifecycle dei modelli.
Collaborazione con team Software, Data, Cybersecurity ed Engineering.
Implementazione di soluzioni cloud-native, containerizzate e distribuite.
Definizione di architetture sicure, resilienti e ottimizzate in termini di performance e costi.