Data Scientist AI e MLOps in Produzione

Prefe; Milano; Hybrid; EUR 65,000 - 90,000; Full time

Benefits offered by this job

Smart working

Opportunità di crescita

Ambiente giovane e inclusivo

Job summary

Prefe cerca un ML Engineer per progettare, implementare e migliorare modelli AI in produzione, lavorando sul dataset principale e costruendo pipeline data-driven. Avrai ownership, autonomia e responsabilità diretta in produzione, collaborando con CTO, Sales e Product.

La figura dovrà padroneggiare Python e strumenti data science (Pandas, NumPy, Scikit-learn), framework deep learning (PyTorch/TensorFlow) e SQL con PostgreSQL, oltre a lavorare in ambiente GCP e Docker.

Qualifications

• Comprovata esperienza nello sviluppo e deployment di modelli ML in produzione.
• Ottima padronanza di Python e dell’ecosistema data science (Pandas, NumPy, Scikit-learn).
• Esperienza con framework di deep learning (PyTorch o TensorFlow).
• Conoscenza di statistica, design sperimentale e valutazione modelli.
• Competenza SQL e database relazionali (PostgreSQL).
• Esperienza in pipeline per feature engineering e training dei modelli.
• Interesse per modelli AI open-weight (es. Llama, Mistral, Qwen) e fine-tuning (LoRA/QLoRA).
• Familiarità con cloud (GCP) e Docker; pratiche MLOps.

Responsibilities

• Progetterai, svilupperai e manterrai modelli AI orientati al business.
• Creerai pipeline di ingestione, trasformazione e feature engineering scalabili.
• Contribuirai al monitoring e al miglioramento continuo dell’infrastruttura dati e degli strumenti MLOps.
• Collaborerai con Data Eng e Back-end per integrazione in produzione.
• Validerai modelli tramite metriche, A/B test e cross‑validation.
• Scriverai codice Python ben documentato con Git in ambienti collaborativi.

Skills

Python

Analytical thinking

Problem solving

Communication

Git/GitHub

MLOps

English

Tools

Pandas

NumPy

Scikit-learn

PyTorch

TensorFlow

PostgreSQL

Docker

GCP

Job description

Prefe cerca un ML Engineer per progettare, implementare e migliorare modelli AI in produzione, lavorando sul dataset principale e costruendo pipeline data-driven. Avrai ownership, autonomia e responsabilità diretta in produzione, collaborando con CTO, Sales e Product.

La figura dovrà padroneggiare Python e strumenti data science (Pandas, NumPy, Scikit-learn), framework deep learning (PyTorch/TensorFlow) e SQL con PostgreSQL, oltre a lavorare in ambiente GCP e Docker.