ML Engineer (Hybrid, Torino) — LLMs, RAG & Pipelines

Welyk; Italia; Ibrido; EUR 40.000 - 50.000; Tempo pieno

Vantaggi offerti da questo lavoro

Buoni pasto 10€/giorno

Rimborso chilometrico

Fringe benefit 500 euro/anno

Premio di produzione

Descrizione del lavoro

Ermetix cerca un Machine Learning Engineer per guidare la pipeline ML in produzione, con responsabilità su training, testing e deployment, e contributo a soluzioni basate su LLM e RAG.

Lavorerai a stretto contatto con il CTO e un altro membro del team, con autonomia e focus sulle best practice e cultura AI, in un contesto ibrido a Torino.

Il ruolo richiede 4+ anni di esperienza, Python solido, conoscenze di TensorFlow/PyTorch e preferenze su AWS SageMaker o Vertex AI, oltre a ML classico.

Competenze

• 4+ anni di esperienza su training, testing e deploy di modelli ML in produzione.
• Solida conoscenza di Python.
• Conoscenza di ML classico e deep learning (Transformer, CNN, RNN).
• Esperienza con TensorFlow, Keras, PyTorch, Scikit-learn, Pandas, NumPy.
• Esperienza con soluzioni agentiche/LLM e RAG; fine-tuning.
• Familiarità con Git e workflow di versioning.

Mansioni

• Definirai e gestirai l'intera pipeline ML: training, testing e deploy dei modelli in produzione.
• Contribuirai a costruire soluzioni basate su LLM e tecnologie agentiche, incluse RAG e fine-tuning.
• Parteciperai attivamente a impostare processi, standard tecnici e cultura del team AI.
• Lavorerai a stretto contatto con l'altro membro del team e con il CTO, con ampia autonomia su compiti e priorità.

Conoscenze

Python

ML Training

ML Testing

Model Deploy

TensorFlow

Keras

PyTorch

Scikit-learn

Pandas

NumPy

LLM / RAG

Fine-tuning

Git

Strumenti

Git

Docker

AWS SageMaker

Vertex AI

Descrizione del lavoro

Ermetix cerca un Machine Learning Engineer per guidare la pipeline ML in produzione, con responsabilità su training, testing e deployment, e contributo a soluzioni basate su LLM e RAG.

Lavorerai a stretto contatto con il CTO e un altro membro del team, con autonomia e focus sulle best practice e cultura AI, in un contesto ibrido a Torino.

Il ruolo richiede 4+ anni di esperienza, Python solido, conoscenze di TensorFlow/PyTorch e preferenze su AWS SageMaker o Vertex AI, oltre a ML classico.