Overview In questo ruolo di Senior AI Engineer, contribuirai 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’occasione 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 Lavoro ibrido/remoto Assicurazione sanitaria Check-up agevolati e benessere psicofisico Piano welfare integrativo Ticket restaurant

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 Mentoring tecnico Collaborazione cross-funzionale Proble solving proattivo Python Docker Kubernetes

📌 Senior AI Engineer – BIP AI LAB (L'Aquila)
🏢 Business Integration Partners
📍 L'Aquila