Machine Learning Engineer (Full Time, Ibrido, Treviso)

Chiron Ai; Lazio; Ibrido; EUR 20.000 - 28.000; Tempo pieno

Vantaggi offerti da questo lavoro

Modalità ibrida 3+2

Formazione tecnica strutturata

Mentorship e learning continuo

Descrizione del lavoro

Chiron Ai cerca un Machine Learning Engineer Middle/Junior per lavorare in un team R&D in modalità ibrida nell’area Treviso/Spresiano. I progetti sono reali, in produzione, dall’ideazione al deployment, con focus su AI generativa, NLP e recommender systems.

Si richiede buona padronanza di Python e librerie ML, esperienza con SQL/NoSQL e pipeline ETL, e interesse per l’explainable AI e le logiche MLOps. Retribuzione netta iniziale 20k–28k annui, con percorso di crescita meritocratico e formazione

Competenze

• Ottima conoscenza dell'Italiano, livello C2 o superiore (lingua principale usata con clienti e colleghi).
• Forte spirito di collaborazione e lavoro in team.
• Proattività, intraprendenza e voglia di sporcarsi le mani in contesto ad alta intensità di R&D.
• Ambizioso e orientato ai risultati.

Mansioni

• Progettazione e sviluppo di modelli ML (NLP, recommender systems, predictive analytics).
• Addestramento, fine-tuning e ottimizzazione di modelli, inclusi LLM e diffusion models.
• Costruzione di pipeline end-to-end, dal preprocessing al deployment.
• Integrazione delle soluzioni ML nei prodotti Chiron insieme al team di sviluppo.
• Contributo alle strategie R&D su AI, MLOps ed explainability.

Descrizione del lavoro

Machine Learning Engineer (Tempo pieno – Ibrido - Treviso) Lingua di lavoro: Italiano – richiesta ottima conoscenza, livello C2 o superiore (scritto e parlato) Sede: Spresiano (TV) - Presenza richiesta almeno 3 giorni a settimana Tipo di contratto: Tempo pieno, inserimento immediato su progetti reali Livello: Middle o Junior con potenziale Vuoi lavorare in un team che sviluppa AI vera, in produzione, con clienti e dati reali? E lavorare ai progetti dall'inizio alla fine? In Chiron, costruisci soluzioni di intelligenza artificiale e marketing intelligence che impattano aziende e startup. Se ti appassiona la R&D, ti piace sperimentare, imparare e lavorare in squadra per costruire cose che funzionano davvero, questo ruolo fa per te.

REQUISITI FONDAMENTALI

• Ottima conoscenza dell'Italiano, livello C2 o superiore (è la lingua principale usata con clienti e colleghi)
• Forte spirito di collaborazione e lavoro in team
• Proattività, intraprendenza e voglia di sporcarsi le mani: il nostro è un contesto ad alta intensità di ricerca e sviluppo, dove imparare è la regola
• Ambizioso e che lavora per risultati

Cosa farai

• Progettazione e sviluppo di modelli ML (NLP, recommender systems, predictive analytics)
• Addestramento, fine-tuning e ottimizzazione di modelli, inclusi LLM e diffusion models
• Costruzione di pipeline end-to-end, dal preprocessing al deployment
• Integrazione delle soluzioni ML nei prodotti Chiron insieme al team di sviluppo
• Contributo alle strategie R&D su AI, MLOps ed explainability

Competenze richieste

• Solida conoscenza di Python e librerie ML (Scikit-learn, PyTorch, TensorFlow, HuggingFace)
• Basi solide in Machine Learning supervisionato/non supervisionato
• Esperienza con SQL / NoSQL, pipeline ETL, strumenti tipo PySpark, Airflow, MLFlow
• Interesse per l’explainable AI (xAI) e la sperimentazione
• Familiarità con logiche MLOps

Nice to Have

• Esperienza con LLM e framework (LangChain, RAG)
• Conoscenza di cloud (AWS, GCP, Azure)
• Esperienza con Clickhouse o Neo4j
• Capacità di costruire API (FastAPI, Flask, Django)
• Competenze base frontend (React, Vue.Js)

Cosa offriamo

Progetti veri, in produzione, dal primo giorno. Formazione tecnica strutturata, mentorship e learning continuo. Lavoro su progetti R&D con tecnologie AI generativa e explainable AI. Collaborazione diretta con CTO e team esperto, crescita su mis. Modalità ibrida: 3 giorni in sede, 2 in remoto. Compenso NETTO 20K–28K annui iniziali, in base a esperienza e primi risultati. Piano di crescita meritocratico con aumento della retribuzione al raggiungimento degli obiettivi. Percorso di evoluzione chiaro: da junior a senior engineer, o verso specializzazioni xAI, MLOps, o LLM/agent systems.

Processo di selezione

Colloquio conoscitivo. Test tecnico (hard skills) – esercizio ML o codice. Test attitudinale (soft skills). Colloquio tecnico con team e CTO. Offerta formale.