Senior ML Engineer in Verona

Senior ML Engineer in Verona

Verona Full-Time 63000 - 77000 € / anno (stimato) Da remoto
J

In sintesi

  • Mansioni: Progetta e sviluppa soluzioni di machine learning per decisioni aziendali basate sui dati.
  • Azienda: Azienda tecnologica innovativa con una cultura collaborativa.
  • Benefit: Lavoro completamente remoto, 20 giorni di ferie pagate e assicurazione medica.
  • Altre informazioni: Ambiente dinamico con opportunità di crescita professionale continua.
  • Perché questo lavoro: Lavora su progetti all'avanguardia e fai la differenza nel settore del gaming.
  • Qualifiche: Esperienza pratica con Python, SQL e tecniche di machine learning.

La retribuzione prevista è compresa tra 63000 - 77000 € 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 Senior ML Engineer con sede in Italia. Come Senior ML Engineer, progetterai, svilupperai e implementerai soluzioni di machine learning che supportano decisioni di prodotto e aziendali basate sui dati. Inizialmente ti concentrerai su modelli predittivi per il comportamento dei giocatori, inclusa la previsione dell'abbandono, l'identificazione precoce di utenti di alto valore e il profiling dei giocatori.

Lavorando all'interno di un team collaborativo di Data & Analytics, trasformerai ipotesi analitiche in modelli affidabili e pronti per la produzione. Ti assumerai la responsabilità dell'intero ciclo di vita del machine learning, dall'ingegneria delle caratteristiche e validazione dei modelli fino al deployment e monitoraggio delle prestazioni continuative. Il ruolo offre opportunità di lavorare con diverse tecniche di machine learning, migliorando la stabilità, scalabilità e impatto pratico delle soluzioni ML.

Responsabilità:

  • Sviluppare e implementare modelli di machine learning, inizialmente concentrandosi sulla previsione dell'abbandono dei giocatori, identificazione precoce di giocatori VIP e profiling dei giocatori.
  • Formulare e validare ipotesi per valutare potenziali casi d'uso del machine learning prima di investire nello sviluppo del modello.
  • Selezionare approcci di modellazione appropriati e costruire soluzioni predittive utilizzando tecniche di apprendimento supervisionato e non supervisionato.
  • Eseguire l'ingegneria delle caratteristiche, inclusa la creazione, selezione e ottimizzazione delle caratteristiche per migliorare le prestazioni del modello.
  • Valutare la qualità del modello attraverso metodi statistici appropriati, strategie di validazione e metriche di prestazione.
  • Tradurre i modelli di machine learning in soluzioni pronte per la produzione e gestire la loro implementazione tecnica.
  • Implementare, mantenere e ottimizzare i modelli negli ambienti di produzione, garantendo affidabilità e scalabilità.
  • Monitorare le prestazioni e la stabilità del modello, identificare potenziali problemi e implementare miglioramenti quando necessario.
  • Contribuire alle pratiche di MLOps e migliorare continuamente il ciclo di vita dello sviluppo e implementazione del machine learning.
  • Collaborare con colleghi di data e analytics per fornire soluzioni efficaci allineate con le esigenze aziendali.

Requisiti:

  • Solida esperienza pratica con Python, SQL e Git.
  • Esperienza nella containerizzazione di applicazioni e carichi di lavoro ML utilizzando Docker.
  • Buona comprensione delle statistiche, tecniche di validazione dei modelli e valutazione delle prestazioni del machine learning.
  • Esperienza pratica con metodi di apprendimento supervisionato, inclusi previsione, regressione e classificazione.
  • Esperienza con approcci di apprendimento non supervisionato, in particolare clustering e segmentazione.
  • Forti competenze in ingegneria delle caratteristiche, inclusa la creazione, selezione e ottimizzazione delle caratteristiche.
  • Esperienza comprovata nell'implementazione di modelli di machine learning in ambienti di produzione.
  • Comprensione delle pratiche di MLOps e monitoraggio dei modelli in produzione.
  • Capacità di indagare problemi, validare assunzioni e tradurre risultati analitici in soluzioni ML pratiche.
  • Forti capacità di problem-solving, senso di responsabilità e approccio proattivo alle sfide tecniche.
  • Comodità nel collaborare all'interno di un team, comunicare idee chiaramente e incorporare feedback.

Preferenze:

  • Esperienza con strumenti di gestione del ciclo di vita ML come MLflow o piattaforme equivalenti.
  • Conoscenza delle architetture delle reti neurali, inclusi RNN e autoencoder.
  • Esperienza con modelli di uplift.
  • Familiarità con dbt.

Benefici:

  • Modalità di lavoro completamente remota, con la possibilità di lavorare da hub confortevoli e sicuri a Kyiv o Varsavia.
  • 20 giorni di ferie pagate all'anno, oltre a festività pubbliche e malattia.
  • Assicurazione medica con accesso a cliniche leader.
  • Copertura per supporto psicologico tramite la piattaforma Pleso.
  • Indennità mensile per il Benefit Café da spendere in interessi personali, hobby, sport e altre attività idonee.
  • Budget individuale per l'apprendimento e lo sviluppo per corsi e formazione professionale.
  • Lezioni di lingua inglese aziendale, workshop e accesso a una biblioteca di apprendimento online.
  • Valutazioni delle prestazioni, pianificazione della carriera strutturata e opportunità di mentoring.
  • Attività di team building, eventi aziendali e workshop.
  • Accesso a capacità tecniche interne e opportunità di costruire soluzioni tecnologiche da zero.
  • Cultura aperta e collaborativa che valorizza iniziativa, autonomia, comunicazione diretta e miglioramento continuo.
  • Un ambiente focalizzato sulla riduzione del lavoro ripetitivo attraverso l'automazione e il supporto alla crescita professionale.

Senior ML Engineer in Verona 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.

J

Dettagli di contatto:

Team di recruiting di Jobgether

Consigli degli esperti StudySmarter🤫

Ecco come pensiamo che potresti ottenere Senior ML Engineer in Verona

✨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 Senior ML Engineer in Verona

Python
SQL
Git
Docker
Statistica
Validazione dei modelli
Valutazione delle prestazioni del 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 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 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.