JOB OFFERS
AI Engineer
Il gruppo Sistema di Elaborazione Dati e Applicazioni Scientifiche e Tecnologiche ospita gli ingegneri, i fisici e i matematici che supervisionano i sistemi di dati delle missioni spaziali dalla definizione alla fine delle operazioni; sviluppa e mantiene i sistemi di dati finalizzati al supporto della missione e all’esecuzione delle operazioni scientifiche a terra; archivia e gestisce i dati durante le operazioni e oltre. Inoltre, è coinvolto nello sfruttamento dei dati post-missione per sviluppare applicazioni volte a massimizzare il ritorno scientifico e tecnologico del valore dedicato a massimizzare il valore informativo estratto da tali dati.
Funzioni
Farai parte del team che si occupa di tutti gli aspetti ingegneristici dello sviluppo, dell’implementazione e della manutenzione dei sistemi di dati software sotto la responsabilità di ALTEC.
Lavorerai in stretta collaborazione con gli ingegneri dei dati, gli ingegneri del software, gli operatori di missione e gli ingegneri dell’infrastruttura durante le fasi del progetto.
Sarai responsabile della definizione dell’applicazione AI, della progettazione, della formazione, della convalida e della documentazione.
Dovrai implementare applicazioni innovative basate su tecnologie di intelligenza artificiale nel settore aerospaziale.
ESPERIENZA E COMPETENZE TECNICHE RICHIESTE
- Un MSc o una laurea equivalente in ingegneria del software o scienza dei dati con un punteggio elevato.
- Esperienza pratica nella progettazione, formazione, validazione e distribuzione di modelli di Machine Learning e Deep Learning.
- Esperienza con paradigmi supervisionati, non supervisionati e auto-supervisionati. Solida conoscenza delle architetture di modelli profondi (ad esempio, CNN, RNN, Transformers).
- Esperienza con il versioning di modelli, set di dati ed esperimenti.
- Esperienza nello sviluppo di software con il linguaggio Python.
- Esperienza nella progettazione e nell’implementazione di pipeline di dati che gestiscono dati strutturati e non strutturati, sfruttando framework e librerie di dati (ad esempio NumPy, Pandas, SciPy) e gestendo i metadati.
- Esperienza con i più diffusi framework di AI PyTorch, TensorFlow e Scikit-learn per modelli di Machine Learning e Deep Learning.
- Comprensione delle metodologie di valutazione dei modelli, delle strategie di convalida incrociata, dell’ottimizzazione degli iperparametri (ad esempio, Optuna) e delle metriche di performance per compiti di classificazione, regressione e ranking.
- Conoscenza dell’approccio MLOps e degli strumenti per implementare la pipeline CI/CD per i flussi di lavoro AI.
- Capacità di utilizzare linguaggi di interrogazione sia per database relazionali che per database NoSQL.
- Capacità di utilizzare il sistema operativo Linux e i linguaggi di scripting.
- Capacità di utilizzare gli strumenti di debug, di eseguire la risoluzione dei problemi e la profilazione di un’applicazione.
SOFT SKILLS
- Problem Solving
- Orientamento al risultato
- Efficienza operativa
- Promozione della cooperazione
- Gestione delle relazioni
- Miglioramento continuo
ATTIVITÀ AGGIUNTIVE (non obbligatorie, considerate un plus)
- L’esperienza nelle metodologie Agile costituirà un ulteriore vantaggio.
- Conoscenza della tecnologia dei container e della distribuzione su Kubernetes.
- Conoscenza dei framework di elaborazione dati distribuiti, come Apache Spark.
- Conoscenza di ONNX per l’ottimizzazione dei modelli e l’interoperabilità.
- Conoscenza dei modelli di fondazione e degli LLM e loro integrazione nelle applicazioni tramite API o modelli open-source.
- Conoscenza dei modelli di applicazione dell’IA generativa, come RAG, ingegneria dei tempi e valutazione dei sistemi basati su LLM.
