Chi siamo
Prefe è una startup innovativa che ha sviluppato una piattaforma AI di market intelligence attiva nel settore Fast-Moving Consumer Goods (FMCG). Stiamo sviluppando sistemi proprietari di intelligenza artificiale che supportano i brand e i retailer nei processi decisionali e stiamo ampliando il nostro team tech. Se vuoi lavorare su dati che alimentano modelli AI distribuiti su larga scala, questo ruolo fa per te

Pronto/a a candidarsi? Prima di farlo, si assicuri di leggere tutti i dettagli relativi a questo lavoro nella descrizione sottostante. La tua missione Lavorerai sul nostro asset principale (i nostri dati) progettando, implementando e migliorando continuamente algoritmi e modelli che alimentano i nostri prodotti core.

Avrai ownership, autonomia e reale responsabilità in produzione, oltre a un'esposizione diretta ai clienti. collaborerai con CTO, team Sales e Product, nonché con altri stakeholder, per definire requisiti analitici, KPI e funzionalità data-driven; progetterai, svilupperai e manterrai modelli avanzati di AI e algoritmi statistici orientati alle esigenze di business; utilizzerai attivamente strumenti di coding agentico (es. Claude Code via CLI, OpenCode o strumenti equivalenti) per accelerare sviluppo, debugging, refactoring e documentazione del codice, mantenendo elevati standard di qualità e sicurezza; ti terrai costantemente aggiornato/a sulle evoluzioni di questi tool (nuove funzionalità, best practice, workflow) e proporrai in modo intraprendente miglioramenti al processo di sviluppo e collaborazione del team; definirai e applicherai linee guida operative per l'utilizzo efficace degli agent (prompting, review, verifiche, guardrail) per garantire affidabilità, tracciabilità e mantenibilità del codice in produzione; raccoglierai,



pulirai e preprocesserai dataset ampi ed eterogenei provenienti da fonti multiple (strutturate, semi-strutturate e non strutturate); svilupperai pipeline per ingestione, trasformazione e feature engineering garantendo workflow scalabili, efficienti e affidabili; implementerai tecniche avanzate per product matching, recommendation, forecasting e anomaly detection; costruirai dashboard e visualizzazioni interattive con Python (Plotly, Dash, Leaflet) o piattaforme BI per comunicare insight in modo chiaro a stakeholder tecnici e non tecnici; collaborerai con back-end e data engineer per integrare i modelli nei sistemi di produzione; condurrai valutazioni e validazioni rigorose dei modelli (metriche appropriate, A/B test, cross-validation); scriverai codice Python pulito, modulare e ben documentato, utilizzando sistemi di version control (Git) in ambiente collaborativo; contribuirai al miglioramento continuo dell'infrastruttura dati, degli strumenti e delle pratiche MLOps aziendali; definirai e implementerai controlli di data quality end-to-end, includendo test automatici per identificare anomalie, regressioni e comportamenti diversi da quelli attesi (es. drift dei dati, variazioni inattese di distribuzione, outlier, rotture di mapping); progetterai e manterrai una suite di test (unit/integration/data tests) a supporto delle pipeline dati e dei modelli, garantendo robustezza,



riproducibilità e affidabilità dei risultati in produzione; costruirai e gestirai pipeline di monitoraggio continuo del database (metriche, alerting, dashboard) per assicurare completezza, coerenza e freschezza del dato, con meccanismi di escalation rapidi in caso di degradazione; collaborerai con Data Engineering e Back-end per definire SLA, metriche di qualità e processi di remediation in caso di issue sistemiche o degradazioni progressive; ti manterrai aggiornato sulle evoluzioni di machine learning, data science e AI, proponendo soluzioni innovative.

Cosa cerchiamo: esperienza comprovata nello sviluppo e nel deploy di modelli di machine learning in ambienti di produzione; ottima padronanza di Python (requisito essenziale) e del relativo ecosistema data science (Pandas, NumPy, Scikit-learn, ecc.); esperienza pratica con framework di deep learning (es. PyTorch o TensorFlow) solida conoscenza di statistica, disegno sperimentale e metodologie di valutazione dei modelli; buone competenze SQL ed esperienza con database relazionali (es. PostgreSQL) per estrazione e validazione dati; esperienza nella costruzione e manutenzione di pipeline per feature engineering e training dei modelli; interesse concreto e qualche esperienza di sperimentazione con modelli AI open-weight (es. Llama, Mistral, Qwen), inclusa familiarità con preparazione dei dataset e valutazione delle performance; costituisce un plus aver svolto attività di fine-tuning e ottimizzazione (es. LoRA/QLoRA); familiarità con ambienti cloud (in particolare GCP) e strumenti di containerizzazione come Docker; esperienza con pratiche MLOps (versioning dei modelli, monitoring, CI/CD per ML) ; mentalità orientata al problem solving e capacità di tradurre esigenze di business in soluzioni analitiche; attenzione alla qual

📌 Data Scientist (Italia)
🏢 Prefe
📍 Italia