In sintesi
- Mansioni: Sviluppa sistemi di ricerca AI all'avanguardia per agenti autonomi.
- Azienda: Azienda innovativa nel settore dell'AI con un ambiente di lavoro collaborativo.
- Benefit: Possibilità di lavorare su progetti ad alto impatto e responsabilità tecnica completa.
- Altre informazioni: Ambiente internazionale con opportunità di crescita e autonomia.
- Perché questo lavoro: Influenza il futuro della ricerca AI e guida l'innovazione tecnologica.
- Qualifiche: Esperienza in AI applicata e capacità di tradurre idee complesse in sistemi pratici.
La retribuzione prevista è compresa tra 56813 - 69438 € per anno.
Questa posizione è elencata per conto di un'azienda partner, che gestisce tutte le candidature e i passaggi successivi. Il nostro partner sta cercando un Ricercatore AI Applicato Senior (Agentic Search) con sede in Italia. In questo ruolo, plasmerai il futuro del recupero delle informazioni alimentato dall'AI sviluppando sistemi di ricerca di nuova generazione progettati specificamente per agenti AI autonomi. Guidarai la ricerca applicata e l'innovazione tecnica attraverso architetture di recupero, ranking e ricerca agentica. Il tuo lavoro consentirà ai sistemi AI di pianificare, recuperare, valutare e affinare le informazioni dal web in tempo reale. Operando all'intersezione della ricerca avanzata nel machine learning e dell'ingegneria di produzione su larga scala, affronterai sfide complesse riguardanti rilevanza, latenza, affidabilità e costi.
Assunzioni: Come Ricercatore AI Applicato Senior, guiderai la strategia di ricerca e lo sviluppo tecnico attraverso sistemi di ricerca nativi per agenti, assicurandoti che approcci innovativi forniscano risultati affidabili in ambienti di produzione esigenti.
- Guidare la ricerca AI applicata e definire la direzione tecnica dei sistemi di recupero e ranking.
- Progettare ed evolvere architetture di recupero multi-fase che coprano comprensione della query, riscrittura della query, recupero, reranking e recupero iterativo.
- Sviluppare capacità di ricerca native per agenti che supportano sia query a bassa latenza, sia compiti di ricerca complessi che coinvolgono pianificazione iterativa, interrogazione e ragionamento.
- Guidare esperimenti con tecniche di recupero avanzate, inclusa la ricerca di embedding, recupero sparso e ibrido, reranking e compressione del contesto.
- Formare e ottimizzare modelli di ranking e recupero progettati specificamente per flussi di lavoro guidati da agenti e vincoli di produzione del mondo reale.
- Sviluppare approcci per ancorare modelli di linguaggio di grandi dimensioni (LLM) in dati web in tempo reale su larga scala, incorporando segnali di fiducia, qualità e freschezza per identificare fonti affidabili.
- Collaborare con i team di valutazione per sviluppare nuove metriche e framework di valutazione per sistemi agentici, andando oltre gli indicatori di prestazione tradizionali basati sui clic.
- Analizzare e ottimizzare i compromessi tra rilevanza della ricerca, latenza del sistema, affidabilità operativa e costi computazionali.
- Collaborare strettamente con i team di ingegneria per distribuire, scalare e mantenere capacità di ricerca AI avanzate attraverso carichi di lavoro di produzione.
- Tradurre i più recenti progressi nella ricerca AI e nel machine learning in soluzioni pratiche con impatto misurabile sulla produzione.
- Mentorare ricercatori e ingegneri, promuovere l'eccellenza tecnica e contribuire alla strategia di ricerca a lungo termine del team.
- Prendere possesso di un componente chiave dello stack di ricerca, come ranking o recupero iterativo, e guidarne lo sviluppo durante il primo anno.
Requisiti: Sei un ricercatore AI applicato esperto o un ingegnere di machine learning con una solida esperienza di ricerca e una comprovata capacità di trasformare idee tecniche sofisticate in sistemi pronti per la produzione.
- Almeno 8 anni di esperienza in AI applicata, machine learning o ingegneria del software.
- Traccia di successo nella progettazione, sviluppo e distribuzione di sistemi di machine learning o AI su larga scala.
- Profonda esperienza nel recupero delle informazioni, tecnologie di ricerca, sistemi di ranking o assistenti di Generazione Aumentata da Recupero (RAG).
- Solida comprensione delle tecniche moderne di deep learning, in particolare architetture transformer e modelli di embedding.
- Esperienza nella costruzione o nello sviluppo di sistemi integrati con LLM e applicazioni a conoscenza intensiva.
- Esperienza comprovata nella progettazione di framework di valutazione, metriche di prestazione e metodologie di sperimentazione per sistemi di machine learning.
- Forti competenze di programmazione in Python e capacità di costruire soluzioni tecniche robuste e scalabili.
- Pubblicazioni in conferenze leader nel campo dell'AI e del machine learning, come ICLR, ICML, NeurIPS, AAAI, EMNLP o ACL.
- Capacità di operare efficacemente in un ambiente frenetico e orientato al prodotto con un alto grado di responsabilità e autonomia.
- Forti capacità analitiche e di problem-solving, con la capacità di bilanciare l'innovazione nella ricerca contro vincoli pratici di ingegneria.
- Eccellenti capacità di collaborazione e comunicazione, in particolare quando si lavora tra team di ricerca e ingegneria.
Qualifiche Nice-to-Have: Esperienza nello sviluppo di sistemi AI agentici, inclusi agenti autonomi, utilizzo di strumenti e flussi di lavoro multi-step. Familiarità con tecniche di post-training di apprendimento per rinforzo per modelli di linguaggio di grandi dimensioni (LLM) o modelli visione-linguaggio (VLM).
Benefici: Proprietà della ricerca ad alto impatto: Plasmi la direzione della ricerca AI applicata e influenzi l'architettura dei sistemi di ricerca agentici di nuova generazione. Responsabilità tecnica end-to-end: Possiedi un componente critico dello stack di ricerca e porta le innovazioni dalla ricerca alla distribuzione in produzione. Sfide AI avanzate: Lavora su problemi di recupero, ranking e ragionamento all'avanguardia che coinvolgono dati web in tempo reale e carichi di lavoro AI su larga scala. Ambiente orientato alla ricerca: Applica i più recenti progressi della comunità globale di ricerca AI a prodotti reali. Opportunità di leadership tecnica: Mentorare ricercatori e ingegneri mentre aiuti a stabilire elevati standard tecnici. Ambiente di lavoro internazionale: Opportunità basate ad Amsterdam, Londra, Zurigo o da remoto in Europa. Alta proprietà e autonomia: Lavora in un ambiente orientato al prodotto in rapida evoluzione dove le tue decisioni di ricerca e tecniche hanno un impatto diretto.
Staff Applied AI Researcher (Agentic Search) in Bologna datore di lavoro: Jobgether
L'azienda offre un ambiente di lavoro stimolante e collaborativo, ideale per chi cerca di crescere professionalmente nel campo della gestione dei contenuti digitali e SEO. Con opportunità di formazione continua e un forte focus sulla qualità e sull'accuratezza, i dipendenti possono contare su un supporto costante e su una cultura aziendale che valorizza l'innovazione e la creatività . Inoltre, la flessibilità del lavoro remoto consente di bilanciare vita professionale e personale in modo ottimale.
Consigli degli esperti StudySmarter🤫
Ecco come pensiamo che potresti ottenere Staff Applied AI Researcher (Agentic Search) in Bologna
✨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 Jobgether
Non dimenticare di candidarti direttamente sul sito di Jobgether! 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 Staff Applied AI Researcher (Agentic Search) in Bologna
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 Jobgether. 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 Jobgether. Mostra loro come pensi e come apprendi!
Come prepararti a un colloquio di lavoro presso Jobgether
✨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 CuriositÃ
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.