AI & Data Science rif 23722

AI & Data Science rif 23722

Full-Time 60000 € / anno In sede
D

In sintesi

  • Mansioni: Sviluppa soluzioni AI e Data Science in un ambiente innovativo e collaborativo.
  • Azienda: Azienda tech all'avanguardia con una cultura di lavoro dinamica.
  • Benefit: Salario competitivo, opportunità di crescita professionale e lavoro in presenza.
  • Altre informazioni: Ambiente stimolante con possibilità di apprendimento continuo.
  • Perché questo lavoro: Lavora su progetti innovativi e fai la differenza nel mondo della tecnologia.
  • Qualifiche: Esperienza in sviluppo software e conoscenza di modelli generativi.

Siamo alla ricerca di profili AI & Data Science per attività in presenza. Richiediamo almeno 2/4 anni di esperienza e ottima conoscenza della lingua inglese.

Responsabilità

  • Sviluppa componenti applicativi che integrano modelli generativi: recupero e selezione delle informazioni, costruzione del contesto, orchestrazione delle chiamate, restituzione dei risultati.
  • Massimizzi le sue possibilità di successo assicurandosi che il suo CV e le sue competenze corrispondano ai requisiti di questa posizione.
  • Realizza flussi agentici secondo un disegno definito con il riferimento tecnico: definizione dei passi, gestione degli strumenti a disposizione dell'agente, controllo dei casi di uscita e dei limiti di esecuzione.
  • Integra le soluzioni con i sistemi del cliente — basi dati, servizi applicativi, repository documentali — curando affidabilità e gestione degli errori.
  • Espone agli agenti gli strumenti di accesso ai sistemi del cliente — ERP, CRM, piattaforme di gestione dei servizi IT — attraverso i protocolli di interoperabilità standard, curandone il contratto d'uso, la gestione degli errori e il controllo dei permessi.
  • Realizza i componenti di memoria e di knowledge base a supporto degli agenti: conservazione del contesto fra le esecuzioni, indicizzazione documentale e a grafo, meccanismi di aggiornamento al variare delle fonti.
  • Estende i flussi agentici agli scenari multi-agente: suddivisione dei compiti fra agenti specializzati, protocolli di scambio, gestione dello stato condiviso e dei casi di conflitto.
  • Valuta sistematicamente la qualità dei risultati, costruendo insiemi di casi di prova, misurando accuratezza e coerenza delle risposte e documentando i limiti riscontrati.
  • Progetta e affina le istruzioni fornite ai modelli in modo strutturato e versionato, trattandole come artefatti di progetto e non come testo da modificare a caso.
  • Porta in esercizio quanto sviluppa e ne presidia il funzionamento: monitorandone il comportamento, la qualità delle risposte e il costo di esecuzione, e intervenendo sulle anomalie con il supporto del team.
  • Contribuisce all'industrializzazione delle soluzioni applicando le pratiche del team: revisione del codice, test automatici, rilascio controllato, tracciamento delle esecuzioni.
  • Partecipa alle sessioni di lavoro con il cliente: illustra quanto realizzato, raccoglie riscontri e li traduce in interventi tecnici concordati con il team.
  • Documenta il proprio lavoro segnalando al riferimento tecnico i casi in cui il comportamento del sistema non è affidabile o presenta rischi.

Competenze tecniche richieste

  • Sviluppo software: padronanza del linguaggio Python, con codice strutturato, testato e manutenibile.
  • Modelli generativi: comprensione del funzionamento dei modelli linguistici, dei loro limiti intrinseci e delle conseguenze pratiche — finestra di contesto, non determinismo, tendenza a produrre risposte plausibili ma errate.
  • Recupero delle informazioni: esperienza di costruzione di sistemi che recuperano informazioni da fonti proprietarie per fondare le risposte: segmentazione dei documenti, rappresentazione vettoriale, ricerca semantica, criteri di selezione del contesto. Conoscenza delle rappresentazioni a grafo della conoscenza (Graph RAG) e capacità di riconoscere quando la sola ricerca vettoriale non basta.
  • Sistemi agentici: comprensione di come si struttura un agente: scomposizione del compito, uso di strumenti esterni, gestione della memoria, controllo del ciclo di esecuzione e dei suoi limiti.
  • Framework di orchestrazione agentica: esperienza pratica su almeno uno fra LangChain/LangGraph, Google ADK, Microsoft Agent Framework, Claude Agent SDK e OpenAI Agents SDK, con comprensione del modello di esecuzione adottato — in particolare l'orchestrazione a grafo di stati — dei meccanismi di definizione degli strumenti e dei protocolli di interoperabilità che consentono ad agenti e sistemi di dialogare.
  • Valutazione: capacità di definire criteri di qualità misurabili e di costruire una procedura di verifica ripetibile. Distinguere un sistema che funziona da uno che sembra funzionare o funziona solo per uno specifico scenario. La valutazione va condotta a livello di agente, sul singolo passo e sulla traiettoria completa, con suite di non-regressione che intercettino i peggioramenti fra versioni di prompt, modello o flusso.
  • Fondamenti di machine learning: nozioni solide di apprendimento supervisionato, delle metriche di valutazione e del significato di “overfitting”.
  • Ambienti di esecuzione: uso corrente di container e di Kubernetes, con attenzione alla portabilità della soluzione fra cloud pubblico e infrastruttura on‑premise; comprensione dei meccanismi di autenticazione, di limitazione delle chiamate e di controllo dei costi dei servizi di modello.
  • Sicurezza e riservatezza: consapevolezza dei rischi specifici: manipolazione delle istruzioni, trattamento di dati riservati nei contesti inviati ai modelli, tracciabilità delle decisioni automatiche.
  • Guardrail e supervisione umana: controlli sugli input e sugli output, definizione dei limiti di azione degli agenti e individuazione dei punti in cui l'esecuzione si ferma per chiedere conferma a una persona.
  • Strumenti di lavoro: versionamento, integrazione continua, gestione delle configurazioni e dei segreti.
  • Dati: padronanza di SQL e capacità di lavorare con dati strutturati e documentali.

Competenze relazionali richieste

  • Chiarezza espositiva: sa spiegare a un interlocutore non tecnico cosa fa il sistema, cosa non può fare e con quale grado di affidabilità. Su questi temi le aspettative del cliente sono spesso superiori alla realtà e vanno riportate a terra con garbo.
  • Onestà nel raccontare i risultati: riporta i risultati per quello che sono, anche quando sono deludenti, e non presenta un dimostratore riuscito come una soluzione pronta.
  • Metodo nel problem solving: davanti a un comportamento anomalo procede per ipotesi verificabili, isola le variabili e sa ricostruire il ragionamento seguito. In un sistema non deterministico è più difficile e più importante che altrove.
  • Ascolto e traduzione: comprende una richiesta funzionale, individua le ambiguità e le chiarisce con domande puntuali prima di iniziare a sviluppare.
  • Trasparenza: segnala difficoltà e ritardi per tempo, riconosce i propri limiti e chiede supporto prima che il problema si aggravi.
  • Postura di consulenza: mantiene un comportamento professionale presso il cliente e distingue ciò che può comunicare direttamente da ciò che va concordato con il riferimento tecnico o con il project manager.
  • Curiosità disciplinata: in un ambito che cambia rapidamente, sa aggiornarsi in autonomia distinguendo le novità sostanziali dal rumore di fondo.

Requisiti di accesso

  • Laurea STEM, oppure esperienza equivalente maturata sul campo.
  • 2-4 anni di esperienza in sviluppo software, di cui almeno uno su progetti che integrano modelli di intelligenza artificiale.
  • Almeno una soluzione basata su modelli generativi portata oltre la fase di dimostratore.
  • Inglese tecnico sufficiente a leggere documentazione e partecipare a riunioni operative.
  • Disponibilità alla presenza presso la sede del cliente secondo le esigenze del progetto.

Sede di lavoro: Milano, Bergamo

Elementi preferenziali

  • Certificazioni sui servizi di intelligenza artificiale di una piattaforma cloud.
  • Esperienza su più di un framework di orchestrazione agentica.
  • Contributi a progetti open source o pubblicazione di lavori personali verificabili.
  • Esperienza di messa in esercizio e monitoraggio di sistemi basati su modelli.
  • Esperienza in contesti di consulenza o multi-cliente.
  • Esperienza con agenti applicati al ciclo di vita del software: generazione e revisione del codice, test, documentazione.
  • Interesse o esperienza su Physical AI: agenti che interagiscono con sistemi fisici, sensoristica, robotica.

Conoscenza di ambiti applicativi ricorrenti per la capability: manifatturiero, energia, retail, banche e assicurazioni, pubblica amministrazione.

AI & Data Science rif 23722 datore di lavoro: DIGIMAT SPA

Lavorare con noi significa entrare a far parte di un ambiente stimolante e innovativo, dove le competenze nel Microsoft Dynamics Business Central vengono valorizzate e sviluppate. Offriamo opportunità di crescita professionale in un contesto collaborativo, situato nella vibrante città di Roma, che favorisce il networking e l'apprendimento continuo. Con un impegno di 9/12 mesi, avrai la possibilità di contribuire a progetti significativi e di lavorare con un team esperto e appassionato.

D

Dettagli di contatto:

Team di recruiting di DIGIMAT SPA

Consigli degli esperti StudySmarter🤫

Ecco come pensiamo che potresti ottenere AI & Data Science rif 23722

✨Sfrutta i Meetups di Data Science

Partecipare a meetups e conferenze di data science è un must! Questi eventi sono un ottimo modo per connettersi con esperti del settore e altre persone in cerca di lavoro. Non vergognarti di farti avanti e parlare con i relatori: potrebbe aprirti porte inaspettate.

✨Progetti Open Source per Farsi Notare

Contribuire a progetti open source è una fantastica opportunità per mostrare le tue competenze pratiche. Non solo aiuta a costruire il tuo portfolio, ma ti consente anche di lavorare con tecnologie che potrebbero essere ricercate dalla tua futura azienda. Cerca progetti su GitHub legati a data science e mettiti in gioco!

✨Unisciti a Comunità Online

Entrare a far parte di comunità online come Kaggle o forum di data science può essere un grande vantaggio. Non solo puoi partecipare a competizioni e migliorare le tue abilità, ma puoi anche costruire una rete con altri professionisti del settore. Queste connessioni possono rivelarsi preziose quando cerchi un lavoro a tempo pieno.

✨Candidati Direttamente su DIGIMAT SPA

Non dimenticare di candidarti direttamente sul sito di DIGIMAT SPA! Spesso le aziende preferiscono ricevere applicazioni tramite il loro portale, quindi assicurati di seguire le istruzioni specifiche. Un’applicazione diretta può darti un vantaggio rispetto a chi usa canali più generali.

Pensiamo che ti servano queste competenze per eccellere come AI & Data Science rif 23722

Sviluppo software in Python
Modelli generativi
Recupero delle informazioni
Sistemi agentici
Framework di orchestrazione agentica (LangChain, Google ADK, Microsoft Agent Framework, Claude Agent SDK, OpenAI Agents SDK)
Valutazione della qualità dei risultati
Fondamenti di machine learning

Alcuni consigli per la tua candidatura 🫡

Evidenzia le tue competenze tecniche:Nel campo della data science, è fondamentale mostrare le tue competenze tecniche. Assicurati di includere nel tuo CV le lingue di programmazione che conosci, come Python o R, e i tool che hai utilizzato, come TensorFlow o scikit-learn. Non dimenticare di far vedere i tuoi progetti o le tue analisi precedenti, magari con link a GitHub o portafogli di lavoro!

Scrivi una lettera motivazionale convincente:Per un ruolo full-time in data science, la lettera motivazionale è la tua occasione per far trasparire la tua passione per i dati e la tua voglia di contribuire al lavoro di DIGIMAT SPA. Spiega perché sei interessato a questo specifico ruolo e come le tue esperienze passate ti rendono il candidato ideale. Non essere timido: condividi le tue ambizioni e la tua visione per il futuro!

Includi risultati quantificabili:Quando parli delle tue esperienze lavorative precedenti, cerca di includere risultati quantificabili che dimostrino il tuo impatto. Ad esempio, puoi dire che hai aumentato l'efficienza di un'analisi del 20% o che hai contribuito a un progetto che ha portato a un aumento del fatturato del 15%. Metriche del genere catturano sempre l'attenzione dei recruiter!

Mostra il tuo approccio alla risoluzione dei problemi:La data science è tutta una questione di risolvere problemi complessi. Utilizza il tuo CV e la tua lettera motivazionale per descrivere come hai affrontato sfide specifiche in progetti precedenti. Ti consigliamo di includere un breve case study o un esempio pratico dei tuoi risultati per davvero colpire i selezionatori di DIGIMAT SPA. Mostra loro come pensi e come apprendi!

Come prepararti a un colloquio di lavoro presso DIGIMAT SPA

✨Brilla con il tuo Portafoglio

Porta con te un portfolio che mostri i tuoi progetti di data science. Includi studi di caso dettagliati e le tecniche che hai utilizzato, come l'analisi dei dati, il machine learning o la visualizzazione. In questo modo possiamo dimostrare concretamente il nostro problema-solving e le nostre competenze tecniche, che sono fondamentali in questo campo!

✨Preparati a Domande Tecniche

Aspettati domande tecniche in merito a statistica, machine learning e linguaggi di programmazione come Python o R. Potrebbero chiederti di spiegare modelli specifici o di analizzare un dataset sul momento. Rinfreschiamo insieme le nozioni di base e prepariamoci a dimostrare le nostre competenze pratiche.

✨Mostra la tua Curiosità

Le aziende cercano candidati che mostrino voglia di apprendere e crescita professionale. Durante l'intervista, parliamo delle tendenze attuali nel settore e dimostriamo il nostro interesse per l'innovazione nel campo della data science. Questo non solo ci farà apparire proattivi, ma metterà anche in evidenza la nostra motivazione.

✨Comunica Chiaramente i Tuoi Risultati

Essere bravi con i dati è fondamentale, ma sapere come comunicarli è altrettanto importante. Durante l'intervista, cerca di essere chiaro e conciso mentre parli dei tuoi risultati. Usa esempi specifici per dimostrare come le tue analisi abbiano avuto un impatto positivo in progetti passati. In questo modo possiamo evidenziare le nostre capacità comunicative, fondamentali per un ruolo a tempo pieno.