Infrastructure AI/ML Engineer

Cosa ti proponiamo All’interno della divisione Eng Digital , per la business line Eng AI & Data , siamo alla ricerca di un Infrastructure AI/ML Engineer che contribuisca a costruire e ottimizzare le piattaforme e le infrastrutture necessarie per abilitare soluzioni di Artificial Intelligence a livello enterprise. Quali saranno le tue attività e responsabilità? Entrerai a far parte di un team multidisciplinare, lavorando a stretto contatto con Data Scientist, AI Engineer e Cloud Architect. Il tuo ruolo sarà abilitare l’esecuzione, la scalabilità e l’affidabilità delle soluzioni AI, garantendo che possano funzionare in ambienti complessi e mission-critical. In particolare, ti occuperai di:

• Progettare, implementare e gestire infrastrutture cloud e on-premise per applicazioni AI e data-intensive;

• Definire e ottimizzare pipeline di calcolo distribuito (es. Spark, Ray, Dask);

• Sviluppare e mantenere piattaforme MLOps/DevOps per il ciclo di vita dei modelli (CI/CD, monitoring, retraining);

• Gestire cluster, container e orchestratori (Kubernetes, Openshift);

• Abilitare l’uso efficiente di risorse hardware specializzate (GPU, TPU);

• Monitorare le performance delle soluzioni AI in produzione e garantire scalabilità, resilienza e sicurezza;

• Collaborare con architetti IT e cloud per integrare le piattaforme AI negli ecosistemi aziendali.

Qualifiche e competenze richieste:

• Laurea in Ingegneria Informatica o discipline affini;

• Esperienza di 2-3 anni nella gestione di infrastrutture per applicazioni AI e Big Data;

• Conoscenza di pratiche DevOps/MLOps e dei relativi strumenti (Jenkins, Azure DevOps, MLflow, Kubeflow);

• Ottima padronanza di container e orchestratori (Docker, Kubernetes, Openshift);

• Esperienza con framework di calcolo distribuito (Apache Spark, Ray, Dask);

• Conoscenza di almeno uno dei principali cloud provider (AWS, Azure, GCP);

• Buone competenze in linguaggi di programmazione come Python e Bash per scripting e automazione;

• Familiarità con piattaforme dati enterprise (Cloudera, Databricks).

Nice to have:

• Esperienza nell’ottimizzazione di workload AI su GPU/TPU;

• Conoscenze di networking e sicurezza in ambienti cloud e hybrid;

• Esperienza con strumenti di monitoring e observability (Prometheus, Grafana, ELK).