Ingegnere AI
Panoramica
Presentazione del team - In EFG vogliamo creare valore dai dati. All'interno del nostro dipartimento Data Office, stiamo cercando un ingegnere del software AI altamente qualificato e motivato per unirsi al nostro team di Machine Learning & GenAI. Parteciperai alla costruzione di una nuova piattaforma AI scalabile e progetterai, costruirai e distribuirai sistemi basati su AI che offrono un impatto aziendale misurabile. - Questa è un'ottima opportunità per avere un impatto significativo in un'organizzazione in crescita impegnata a offrire un'esperienza di banking digitale eccezionale per i nostri clienti. Responsabilità principali - 1) Piattaforma e Architettura - Progettare e costruire una piattaforma AI/ML ibrida (on-prem/on-cloud) per eseguire casi d'uso AI su larga scala (feature store, registro dei modelli, sperimentazione, valutazione, osservabilità). - Definire e implementare architetture di inferenza e allenamento sicure e affidabili, inclusi componenti di ricerca vettoriale e RAG ove applicabile. - Fornire supporto alla piattaforma per embeddings, database vettoriali e protocolli di comunicazione agentic AI per abilitare flussi di lavoro AI interoperabili e basati su fondamenti. - Documentare i processi di machine learning, l'architettura dei sistemi e le procedure operative per la riproducibilità e la condivisione delle conoscenze. - 2) Sviluppo e valutazione dei modelli - Collaborare all'allenamento, alla regolazione fine e all'ottimizzazione dei modelli (LLM, NLP, raccomandazioni), inclusa LoRA/PEFT ove pertinente. - Implementare guardrail e strategie di prompt per ridurre le allucinazioni e migliorare la sicurezza e la coerenza, e supportare flussi di lavoro agentic. - Stabilire framework di valutazione per sistemi RAG e LLM. - 3) Sviluppo del software e MLOps - Possedere lo sviluppo end-to-end del software dei servizi AI e delle API (dal design alla codifica, test e distribuzione). - Automatizzare la costruzione, il test e la distribuzione usando pipeline CI/CD; gestire le versioni dei modelli/rilasci via registri dei modelli. - Implementare il monitoraggio continuo per i sistemi AI distribuiti. - 4) Prodotto e collaborazione con gli stakeholder - Lavorare a stretto contatto con gli utenti business, i proprietari dei prodotti, gli ingegneri business, i gestori dei dati, gli scienziati dei dati e i team tecnologici per comprendere i casi d'uso AI/ML, i requisiti e le metriche di successo. - Collaborare con gli scienziati dei dati per iterare sui prototipi e convertirli in servizi di produzione robusti e scalabili. - Tradurre le capacità emergenti di GenAI/Agentic AI in opportunità di prodotto concrete e componenti riutilizzabili per la Banca. - 5) Sicurezza, privacy e conformità - Assicurare che tutte le soluzioni AI/ML soddisfino le linee guida e gli standard aziendali per i dati e l'AI, inclusa la protezione dei dati, la sicurezza informatica e le pratiche di AI responsabile. - Incorporare la privacy-by-design, i controlli di accesso, la crittografia e l'auditabilità attraverso i flussi di dati e le operazioni dei modelli. - Collaborare con Rischi, Sicurezza e Conformità per allinearsi con SOC 2, GDPR/CCPA e governance interna.
## 1) Istruzione - Laurea avanzata in Informatica, Data Science, Matematica, Statistica, Fisica o affine.
## 2) Must-Have - Conoscenza approfondita dei framework ML/AI: PyTorch o TensorFlow; ecosistema Hugging Face; LangChain/LlamaIndex o equivalente per l'orchestrazione, le strutture dei dati, la modellazione dei dati e l'architettura del software. - Esperienza pratica con LLM: ingegneria dei prompt, regolazione fine/LoRA, embeddings, database vettoriali (FAISS, Pinecone, Weaviate), pattern RAG. - Competenze di programmazione solide in Python, R o Java/Scala, esperienza pratica con SQL, ETL tool e Linux e conoscenza di Control-M & Terraform sono un vantaggio. - Esperienza precedente nello sviluppo di applicazioni distribuite su ambienti cloud (Azure); familiarità con configurazioni ibride on-prem/cloud. - Esperienza nella costruzione di servizi e API di produzione (REST/gRPC), cloud-native (AWS/GCP/Azure), contenitori (Docker) e orchestrazione (Openshift, Kubernetes). - Fondamenti di MLOps: monitoraggio degli esperimenti (MLflow/W&B), registri dei modelli, CI/CD, monitoraggio dei modelli, feature store. - Capacità di monitorare, debugbare e mantenere pipeline CI/CD che alimentano le distribuzioni di produzione (GitHub Actions/GitLab CI/Azure DevOps). - Competenza nell'ingegneria dei dati: SQL, modellazione dei dati, ETL/ELT e lavoro con magazzini/laghi (Snowflake, BigQuery, S3/Delta). - Capacità di lavorare in un ambiente SCRUM/Agile con un focus sulla consegna e sulla collaborazione con gli stakeholder. - Eccellenti abilità analitiche e di risoluzione dei problemi; orientato ai risultati e ai dettagli con forte comunicazione scritta e verbale. - Esperienza nel settore bancario o nella gestione della ricchezza è un vantaggio.
Descrizione
Presentazione del team - In EFG vogliamo creare valore dai dati. All'interno del nostro dipartimento Data Office, stiamo cercando un ingegnere del software AI altamente qualificato e motivato per unirsi al nostro team di Machine Learning & GenAI. Parteciperai alla costruzione di una nuova piattaforma AI scalabile e progetterai, costruirai e distribuirai sistemi basati su AI che offrono un impatto aziendale misurabile. - Questa è un'ottima opportunità per avere un impatto significativo in un'organizzazione in crescita impegnata a offrire un'esperienza di banking digitale eccezionale per i nostri clienti. Responsabilità principali - 1) Piattaforma e Architettura - Progettare e costruire una piattaforma AI/ML ibrida (on-prem/on-cloud) per eseguire casi d'uso AI su larga scala (feature store, registro dei modelli, sperimentazione, valutazione, osservabilità). - Definire e implementare architetture di inferenza e allenamento sicure e affidabili, inclusi componenti di ricerca vettoriale e RAG ove applicabile. - Fornire supporto alla piattaforma per embeddings, database vettoriali e protocolli di comunicazione agentic AI per abilitare flussi di lavoro AI interoperabili e basati su fondamenti. - Documentare i processi di machine learning, l'architettura dei sistemi e le procedure operative per la riproducibilità e la condivisione delle conoscenze. - 2) Sviluppo e valutazione dei modelli - Collaborare all'allenamento, alla regolazione fine e all'ottimizzazione dei modelli (LLM, NLP, raccomandazioni), inclusa LoRA/PEFT ove pertinente. - Implementare guardrail e strategie di prompt per ridurre le allucinazioni e migliorare la sicurezza e la coerenza, e supportare flussi di lavoro agentic. - Stabilire framework di valutazione per sistemi RAG e LLM. - 3) Sviluppo del software e MLOps - Possedere lo sviluppo end-to-end del software dei servizi AI e delle API (dal design alla codifica, test e distribuzione). - Automatizzare la costruzione, il test e la distribuzione usando pipeline CI/CD; gestire le versioni dei modelli/rilasci via registri dei modelli. - Implementare il monitoraggio continuo per i sistemi AI distribuiti. - 4) Prodotto e collaborazione con gli stakeholder - Lavorare a stretto contatto con gli utenti business, i proprietari dei prodotti, gli ingegneri business, i gestori dei dati, gli scienziati dei dati e i team tecnologici per comprendere i casi d'uso AI/ML, i requisiti e le metriche di successo. - Collaborare con gli scienziati dei dati per iterare sui prototipi e convertirli in servizi di produzione robusti e scalabili. - Tradurre le capacità emergenti di GenAI/Agentic AI in opportunità di prodotto concrete e componenti riutilizzabili per la Banca. - 5) Sicurezza, privacy e conformità - Assicurare che tutte le soluzioni AI/ML soddisfino le linee guida e gli standard aziendali per i dati e l'AI, inclusa la protezione dei dati, la sicurezza informatica e le pratiche di AI responsabile. - Incorporare la privacy-by-design, i controlli di accesso, la crittografia e l'auditabilità attraverso i flussi di dati e le operazioni dei modelli. - Collaborare con Rischi, Sicurezza e Conformità per allinearsi con SOC 2, GDPR/CCPA e governance interna.
## 1) Istruzione - Laurea avanzata in Informatica, Data Science, Matematica, Statistica, Fisica o affine.
## 2) Must-Have - Conoscenza approfondita dei framework ML/AI: PyTorch o TensorFlow; ecosistema Hugging Face; LangChain/LlamaIndex o equivalente per l'orchestrazione, le strutture dei dati, la modellazione dei dati e l'architettura del software. - Esperienza pratica con LLM: ingegneria dei prompt, regolazione fine/LoRA, embeddings, database vettoriali (FAISS, Pinecone, Weaviate), pattern RAG. - Competenze di programmazione solide in Python, R o Java/Scala, esperienza pratica con SQL, ETL tool e Linux e conoscenza di Control-M & Terraform sono un vantaggio. - Esperienza precedente nello sviluppo di applicazioni distribuite su ambienti cloud (Azure); familiarità con configurazioni ibride on-prem/cloud. - Esperienza nella costruzione di servizi e API di produzione (REST/gRPC), cloud-native (AWS/GCP/Azure), contenitori (Docker) e orchestrazione (Openshift, Kubernetes). - Fondamenti di MLOps: monitoraggio degli esperimenti (MLflow/W&B), registri dei modelli, CI/CD, monitoraggio dei modelli, feature store. - Capacità di monitorare, debugbare e mantenere pipeline CI/CD che alimentano le distribuzioni di produzione (GitHub Actions/GitLab CI/Azure DevOps). - Competenza nell'ingegneria dei dati: SQL, modellazione dei dati, ETL/ELT e lavoro con magazzini/laghi (Snowflake, BigQuery, S3/Delta). - Capacità di lavorare in un ambiente SCRUM/Agile con un focus sulla consegna e sulla collaborazione con gli stakeholder. - Eccellenti abilità analitiche e di risoluzione dei problemi; orientato ai risultati e ai dettagli con forte comunicazione scritta e verbale. - Esperienza nel settore bancario o nella gestione della ricchezza è un vantaggio.