AI Engineer Senior

VJ Technology Srl; United States; Remote; USD 120,000 - 170,000; Full time

Job summary

VJ Technology Srl cerca un Ingegnere di Intelligenza Artificiale Senior per progettare e implementare soluzioni AI scalabili e performanti in ambiente production. La figura lavorerà su modelli LLM, pipeline RAG e sistemi multi‑agente, con attenzione a latenza, throughput e costi, utilizzando LangChain, PyTorch, Docker e CI/CD allineati a pratiche Agile.

Si richiede esperienza avanzata in sviluppo Python, gestione di API, strumenti di orchestrazione e know‑how su infrastrutture GPU.

Qualifications

• Competenze avanzate in sviluppo Python, con API e servizi production-ready.
• Solida base di ML, validazione e valutazione delle prestazioni.
• Esperienza pratica con PyTorch e scikit-learn.
• Conoscenza approfondita di LLM, Transformer, tokenizzazione e inferenza.
• Esperienza con LangChain e LangGraph per applicazioni LLM e AI agentica.
• Progettazione di AI agentica, multi-agente, orchestrazione, tool usage, state management e guardrail.
• Progettazione di soluzioni RAG con chunking, embeddings, retrieval, reranking e gestione contesto.
• Esperienza con DB vettoriali (preferibilmente Qdrant) e caching (Redis).
• Conoscenze di fine-tuning (LoRA/PEFT) e DL efficiente.
• Infrastrutture hardware per inferenza (GPU, VRAM, CUDA).
• Progettare sistemi distribuiti, alta prestazione, bassa latenza, observability.
• Conoscenza microservizi e Docker.

Skills

Python sviluppo API

ML fundamentals

PyTorch

LLM/Transformer

LangChain LangGraph

tool usage e guardrails

RAG e retrieval

Vector DB (Qdrant)

Redis caching/state

LLM fine-tuning (LoRA/PEFT)

Docker/Docker Compose

CI/CD per ML/DA

Microservices architecture

Agile working

English fluency

Tools

Docker

Docker Compose

Redis

Qdrant

Job description

AI Engineer – Ingegnere di Intelligenza Artificiale

Requisiti essenziali (Must-Have)

• Ottime competenze nello sviluppo Python, inclusa la progettazione e realizzazione di API e servizi software di livello production-ready.
• Solida conoscenza dei fondamenti del Machine Learning, dei processi di sviluppo dei modelli, della feature engineering, della validazione e della valutazione delle prestazioni.
• Esperienza pratica nell'utilizzo di PyTorch e scikit-learn.
• Conoscenza approfondita dei Large Language Models (LLM), delle architetture Transformer, della tokenizzazione, degli embeddings e dei processi di inferenza.
• Esperienza con LangChain e LangGraph per lo sviluppo di applicazioni basate su LLM e sistemi di intelligenza artificiale agentica.
• Capacità di progettare e implementare sistemi di AI agentica e multi-agente, inclusi orchestrazione, utilizzo di strumenti (tool usage), gestione dello stato e meccanismi di controllo e sicurezza (guardrail).
• Esperienza nella progettazione di soluzioni Retrieval-Augmented Generation (RAG), comprese strategie di suddivisione dei documenti (chunking), generazione degli embeddings, recupero delle informazioni (retrieval), riordinamento dei risultati per rilevanza (reranking) e gestione del contesto.
• Esperienza con database vettoriali, preferibilmente Qdrant, e tecnologie di caching e gestione dello stato, come Redis.
• Conoscenza delle tecniche di fine-tuning dei modelli LLM e di Deep Learning, inclusi approcci efficienti nell'utilizzo dei parametri, come LoRA/PEFT.
• Conoscenza delle infrastrutture hardware per lo sviluppo e l'inferenza dei modelli AI, comprese GPU, limitazioni della memoria VRAM, fondamenti di CUDA e distribuzione dei modelli orientata all'ottimizzazione delle prestazioni.
• Capacità di progettare soluzioni AI scalabili, efficienti, affidabili e ad alte prestazioni, con particolare attenzione a latenza, throughput, costi, utilizzo della memoria e osservabilità.
• Conoscenza delle architetture a microservizi.
• Conoscenza di algoritmi e strutture dati, con capacità di individuare la soluzione più appropriata in funzione del contesto.
• Esperienza con Docker (Dockerfile, Docker Compose) e gestione di workload AI containerizzati.
• Conoscenza delle pratiche di CI/CD applicate ai sistemi software e ML/AI.
• Capacità di progettare sistemi distribuiti e integrare servizi AI in architetture software di produzione.
• Esperienza in ambienti di lavoro Agile.
• Conoscenza fluente della lingua inglese.

Requisiti preferenziali (Nice-to-Have)

• Conoscenza dell'ecosistema Hugging Face (Transformers, Datasets, Accelerate, PEFT).
• Esperienza con framework per il serving e l'inferenza dei modelli LLM, come vLLM e Ray.
• Conoscenza delle pratiche MLOps / LLMOps, inclusi monitoraggio degli esperimenti, versionamento dei modelli, pipeline di valutazione e gestione del ciclo di vita dei modelli (ad esempio MLflow).
• Esperienza con piattaforme di osservabilità, tracciamento e valutazione dei sistemi LLM, come Phoenix.
• Competenze di prompt engineering e valutazione sistematica di prompt, agenti e pipeline RAG.
• Conoscenza delle tecniche di quantizzazione dei modelli, batching, caching, distillazione e altre strategie di ottimizzazione dell'inferenza.
• Familiarità con gli strumenti NVIDIA per la gestione e il profiling delle GPU e capacità di selezionare l'hardware più adeguato per attività di training, fine-tuning e inferenza.
• Familiarità con Kubernetes e l'orchestrazione di container che utilizzano GPU.
• Conoscenza delle pipeline di elaborazione dati e degli strumenti di orchestrazione, come Dagster.
• Comprensione delle problematiche relative alla qualità dei dati, alla preparazione e selezione dei dataset, ai dati sintetici e alla gestione responsabile dei dati utilizzati per l'addestramento e la valutazione.
• Familiarità con i temi della sicurezza dell'intelligenza artificiale, inclusi prompt injection, fuga di dati (data leakage), utilizzi impropri dei modelli, controllo degli accessi e framework NIST per la cybersicurezza.
• Esperienza nei test automatizzati dei sistemi AI, inclusi test unitari, di integrazione, di regressione, di valutazione e delle prestazioni.
• Conoscenza di GitLab CI e dei registri per la gestione di artefatti e pacchetti software.

Competenze personali e trasversali (Soft Skills)

• Capacità di lavorare efficacemente in ambienti tecnologici dinamici e in continua evoluzione.
• Spiccate capacità di problem solving e analisi.
• Attitudine al lavoro di squadra e capacità di collaborare trasversalmente con team di sviluppo software, dati, infrastrutture e prodotto.
• Impegno nell'aggiornamento professionale continuo e nella condivisione delle conoscenze, in un settore in rapida evoluzione come quello dell'intelligenza artificiale.
• Approccio proattivo, autonomia operativa, capacità di assumersi la responsabilità delle attività assegnate e orientamento al risultato.
• Capacità di bilanciare sperimentazione e qualità delle soluzioni in produzione, tenendo conto di manutenibilità, sicurezza e vincoli di business.

Seniority

Senior – Profilo professionale con esperienza avanzata

• Ottime competenze nello sviluppo Python, inclusa la progettazione e realizzazione di API e servizi software di livello production-ready.
• Solida conoscenza dei fondamenti del Machine Learning, dei processi di sviluppo dei modelli, della feature engineering, della validazione e della valutazione delle prestazioni.
• Esperienza pratica nell'utilizzo di PyTorch e scikit-learn.
• Conoscenza approfondita dei Large Language Models (LLM), delle architetture Transformer, della tokenizzazione, degli embeddings e dei processi di inferenza.
• Esperienza con LangChain e LangGraph per lo sviluppo di applicazioni basate su LLM e sistemi di intelligenza artificiale agentica.
• Capacità di progettare e implementare sistemi di AI agentica e multi-agente, inclusi orchestrazione, utilizzo di strumenti (tool usage), gestione dello stato e meccanismi di controllo e sicurezza (guardrail).
• Esperienza nella progettazione di soluzioni Retrieval-Augmented Generation (RAG), comprese strategie di suddivisione dei documenti (chunking), generazione degli embeddings, recupero delle informazioni (retrieval), riordinamento dei risultati per rilevanza (reranking) e gestione del contesto.
• Esperienza con database vettoriali, preferibilmente Qdrant, e tecnologie di caching e gestione dello stato, come Redis.
• Conoscenza delle tecniche di fine-tuning dei modelli LLM e di Deep Learning, inclusi approcci efficienti nell'utilizzo dei parametri, come LoRA/PEFT.
• Conoscenza delle infrastrutture hardware per lo sviluppo e l'inferenza dei modelli AI, comprese GPU, limitazioni della memoria VRAM, fondamenti di CUDA e distribuzione dei modelli orientata all'ottimizzazione delle prestazioni.
• Capacità di progettare soluzioni AI scalabili, efficienti, affidabili e ad alte prestazioni, con particolare attenzione a latenza, throughput, costi, utilizzo della memoria e osservabilità.
• Conoscenza delle architetture a microservizi.
• Conoscenza di algoritmi e strutture dati, con capacità di individuare la soluzione più appropriata in funzione del contesto.
• Esperienza con Docker (Dockerfile, Docker Compose) e gestione di workload AI containerizzati.
• Conoscenza delle pratiche di CI/CD applicate ai sistemi software e ML/AI.
• Capacità di progettare sistemi distribuiti e integrare servizi AI in architetture software di produzione.
• Esperienza in ambienti di lavoro Agile.
• Conoscenza fluente della lingua inglese.