TensorLoops ricerca un/una Junior Machine Learning Engineer , anche neolaureato/a, da inserire nel team impegnato nello sviluppo di un progetto industriale di Intelligenza Artificiale applicata all’ Energy Trading , realizzato insieme a un operatore del mercato energetico italiano.

La nuova risorsa lavorerà su problemi reali di forecasting di serie temporali, Machine Learning e analisi dei dati , contribuendo allo sviluppo di sistemi per la previsione dei consumi elettrici, l’analisi degli sbilanciamenti e il supporto alle decisioni operative.

La posizione è pensata anche per una persona all’inizio del proprio percorso qualificato, con una buona preparazione quantitativa e informatica e con interesse per applicazioni industriali dell’Intelligenza Artificiale. La risorsa sarà affiancata da ricercatori e ingegneri del team e acquisirà progressivamente conoscenze specifiche sul mercato energetico.

Responsabilità

- Analizzare e preparare serie temporali e dataset energetici reali, occupandosi delle principali attività di pulizia, trasformazione, aggregazione e controllo della qualità dei dati.
- Sviluppare e sperimentare modelli di Machine Learning per il forecasting dei consumi elettrici e per altri problemi predittivi legati al mercato energetico.
- Collaborare alla progettazione di feature e pipeline per l’elaborazione di dati temporali provenienti da differenti sorgenti.
- Valutare i modelli mediante benchmark, backtesting temporali e metriche quantitative appropriate.
- Confrontare differenti approcci modellistici e analizzare sistematicamente gli errori e le condizioni nelle quali i modelli risultano maggiormente affidabili.




- Contribuire all’integrazione dei modelli predittivi con moduli di simulazione, valutazione economica e supporto alle decisioni.
- Produrre visualizzazioni, report e strumenti di analisi dei risultati.
- Contribuire alla manutenzione e al miglioramento delle pipeline software del progetto.
- Utilizzare Git per il versionamento del codice e documentare esperimenti, configurazioni e risultati in modo da garantirne la riproducibilità.
- Collaborare con il team tecnico e scientifico nelle attività di sperimentazione e progressiva validazione del sistema su processi operativi reali.

Qualifiche

- Laurea magistrale o triennale in Ingegneria Informatica, Elettronica, dell’Informazione, Automatica, Energetica o in discipline scientifiche e quantitative affini.
- Buona conoscenza di Python .
- Conoscenza dei fondamenti di Machine Learning, statistica e analisi dei dati .
- Familiarità con librerie quali NumPy, Pandas e scikit-learn .
- Interesse per problemi di forecasting, serie temporali e modellazione predittiva.
- Capacità di analizzare un problema in maniera metodica, verificare i risultati e documentare il lavoro svolto.
- Attitudine al lavoro in gruppo, curiosità scientifica e disponibilità ad apprendere nuove metodologie e tecnologie.

Costituiscono elementi preferenziali, anche quando acquisiti attraverso tesi di laurea, progetti universitari o progetti personali , esperienze con LightGBM, XGBoost, PyTorch, Git , tecniche di forecasting e analisi di serie temporali. La conoscenza preventiva del mercato energetico è gradita, ma non richiesta . Il contesto applicativo e gli elementi specifici dell’Energy Trading saranno approfonditi durante l’attività con il team.

📌 Comproprietario (Roma)
🏢 TensorLoops
📍 Roma