Machine Learning Engineer (tutti i generi)

Trasformerai modelli e procedure basate sui dati in servizi affidabili. Non si tratta solo della qualità del modello, ma anche di elaborazione riproducibile, inferenza stabile e modifiche misurabili dopo un rilascio. Insieme ai team software e dati valuterai quali modelli e modalità operative siano adatti al compito.

Un modello può ottenere buoni risultati nell'esperimento e fallire comunque nell'applicazione. Verificherai distribuzione dei dati, pre-elaborazione e separazione dei dati di addestramento e test. Modelli, configurazione e versioni dei dati vengono versionati in modo tracciabile. Al rilascio confronterai qualità, fabbisogno di risorse e tempi di risposta. Il monitoraggio deve rilevare variazioni nei dati in ingresso o un calo della qualità dei risultati; il ritorno a una versione precedente viene testato esplicitamente.

• Implementare pipeline di addestramento, convalida e inferenza riproducibili e rendere tracciabili versioni dei dati e dei modelli.
• Fornire i modelli come servizi; valutare fabbisogno di risorse, throughput e tempi di risposta mediante test di carico.
• Definire metriche di qualità e baseline di confronto adeguate, individuare fughe di dati e documentare i risultati in modo comprensibile.
• Progettare il monitoraggio della qualità dei modelli e delle variazioni dei dati e consentire aggiornamenti e rollback controllati.
• Collegare versioni dei dati e dei modelli a metriche di test, configurazione e artefatti di rilascio.
• Verificare l'inferenza con carichi variabili e testare i rollback dei modelli, compresi i formati di input.

Ciò che conta è un'esperienza pertinente al ruolo e chiaramente dimostrabile. Può derivare da una formazione adeguata, da studi universitari, dall'esperienza professionale o da un solido percorso di riqualificazione. Concorderemo le responsabilità concrete in base al tuo livello di conoscenza.

• Esperienza pratica con Python e solide basi di statistica, valutazione dei modelli e preparazione dei dati.
• Esperienza con almeno un framework ML e con la distribuzione di modelli come applicazioni o servizi.
• Comprensione di test automatizzati, controllo di versione e netta separazione tra addestramento e valutazione.

Queste conoscenze sono utili, ma non devono essere presenti tutte contemporaneamente. Nella candidatura descrivi gli ambiti in cui hai già lavorato concretamente e quelli che desideri approfondire.

• Esperienza con MLOps, tracciamento degli esperimenti o pipeline delle feature.
• Conoscenze in inferenza su GPU, quantizzazione o ambienti container riproducibili.

Fornirai servizi di modelli riproducibili con limiti documentati e un'evoluzione della qualità tracciabile. Un punteggio offline migliore diventa un rilascio solo quando sono state verificate anche l'operatività e l'utilità specialistica.

Per questo ruolo sono possibili Colonia e il lavoro da remoto. Prima dell'inizio concorderemo insieme le modalità concrete di collaborazione, i requisiti dei progetti e gli eventuali appuntamenti necessari presso i clienti.

Per questo ruolo è prevista un'assunzione a tempo pieno o part-time. Concorderemo mansioni, numero di ore, data di inizio e retribuzione in modo adeguato al ruolo e al tuo livello di conoscenza.

Nella candidatura mostraci quali esperienze o interessi porti per questo ruolo. Un curriculum e gli esempi di progetto, gli attestati o i lavori pertinenti ci aiutano nella valutazione professionale. Ti preghiamo di non inviare dati riservati dei clienti, credenziali di accesso o codice sorgente protetto.

Indicaci il modello di lavoro che preferisci, la tua possibile data di inizio e se desideri lavorare a tempo pieno o part-time.

Per domande sul ruolo puoi contattare il nostro recruiting all'indirizzo hr@otoko.com. L'inserimento nel bacino di candidati è volontario e avviene solo con un consenso separato; non è un requisito per la valutazione della candidatura.