Senior Ai Engineer – Bip Ai Lab

Business Integration Partners; Savona; In loco; EUR 70.000 - 110.000; Tempo pieno

Vantaggi offerti da questo lavoro

Formazione e sviluppo professionale

Assicurazione sanitaria

Check-up agevolati e benessere psicofs

Piano welfare integrativo

Descrizione del lavoro

Business Integration Partners cerca un Senior AI Engineer per progettare e industrializzare piattaforme MLOps su cloud, con focus su pipeline ML end-to-end e governance dei modelli. Lavorerai in un team multidisciplinare per trasformare ricerca e innovazione in soluzioni aziendali concrete.

La posizione prevede mentoring tecnico, attenzione a sicurezza e costi in ambienti production, e collaborazione con funzioni diverse per guidare progetti di AI integrati nel business.

Competenze

• Esperienza 3–6 anni in ML Engineering, MLOps o Cloud Engineering per AI.
• Padronanza di Python, Docker, Kubernetes e orchestratori ML.
• Esperienza con almeno un cloud provider (Azure/AWS/GCP) e servizi ML/AI production-grade.
• CI/CD per ML (GitHub Actions, GitLab CI, Azure DevOps) e IaC (Terraform/Bicep/CloudFormation).
• Conoscenza sicurezza cloud, cost optimization e multi-tenant hosting.
• Collaborazione cross-funzionale e problem solving proattivo.

Mansioni

• Guidare la progettazione di piattaforme MLOps enterprise su cloud definendo pattern architetturali e tooling.
• Sviluppare pipeline ML end-to-end production-grade: feature engineering, training distribuito, deployment canary o blue/green.
• Definire architetture model serving real-time/batch su Kubernetes e servizi ML cloud.
• Collaborare con Cloud Architect e Data Engineer per architetture AI in produzione.
• Implementare observability, drift detection, A/B testing e governance dei modelli.
• Fare mentoring tecnico e code review per i profili junior MLOps.

Conoscenze

Python

Docker

Kubernetes

CI/CD ML

Cloud platforms

Model observability

Cross-functional collaboration

Strumenti

MLflow

Kubeflow

SageMaker Pipelines

Azure ML Pipelines

Terraform

Bicep

CloudFormation

Descrizione del lavoro

In questo ruolo di Senior AI Engineer, contribuirei alla progettazione e industrializzazione di piattaforme MLOps su cloud, con focus su produzione end-to-end di pipeline ML e governance dei modelli. Lavorerai in un team multidisciplinare (Research, Engineering, Delivery) per trasformare ricerca e innovazione in soluzioni aziendali concrete. Ti occuperai di architetture scalabili, osservabilità dei modelli e pratiche di sicurezza e costi in ambienti production. L’opportunità combina sviluppo tecnico avanzato e mentoring, in un contesto internazionale e orientato alla crescita professionale. Un aspetto chiave è collaborare con diverse funzioni per guidare progetti di AI integrati nel business

Retribuzione / Benefits

• Formazione e sviluppo professionale
• Assicurazione sanitaria
• Check-up agevolati e benessere psicofisico
• Piano welfare integrativo

Responsabilità

• Guidare la progettazione di piattaforme MLOps enterprise su cloud (Azure, AWS, GCP) definendo pattern architetturali, standard e tooling
• Presidiare lo sviluppo di pipeline ML end-to-end production-grade: feature engineering, training distribuito, deployment blue/green o canary, monitoring, retraining automatico
• Definire architetture di model serving scalabili (real-time, batch, streaming) su Kubernetes, SageMaker, Azure ML Endpoints o Vertex AI
• Collaborare con Cloud Architect e Data Engineer per architetture end-to-end per sistemi AI in produzione, con sicurezza, networking e costi
• Implementare strategie di model observability, drift detection, A/B testing e governance dei modelli in produzione
• Fare mentoring tecnico e code review verso i profili junior, contribuendo a best practice e crescita delle competenze MLOps del team

Requisiti fondamentali

• Dai 3 ai 6 anni di esperienza in ML Engineering, MLOps o Cloud Engineering applicato all’AI
• Padronanza di Python, Docker, Kubernetes e di almeno un orchestratore ML (MLflow, Kubeflow, SageMaker Pipelines, Azure ML Pipelines)
• Esperienza consolidata su almeno un cloud provider (Azure, AWS o GCP) e sui relativi servizi ML/AI a livello production-grade
• Competenza in CI/CD per ML (GitHub Actions, GitLab CI, Azure DevOps) e in Infrastructure as Code (Terraform, Bicep, CloudFormation)
• Conoscenza di principi di sicurezza cloud, cost optimization e gestione di ambienti multi-tenant per workload AI
• Collaborazione cross-funzionale
• Proble solving proattivo