Machine Learning Engineer (Middle - Full Time - Ibrido - Treviso)

Sede

Spresiano (TV) - Presenza richiesta almeno 3 giorni a settimana

Tipo di contratto

Tempo pieno, inserimento immediato su progetti reali

Vuoi lavorare in un team che sviluppa AI vera, in produzione, con clienti e dati reali?

In Chiron costruisci soluzioni di intelligenza artificiale e marketing intelligence che impattano aziende e startup.

Se hai già le mani sporche di ML, sai come si lavora in produzione (non solo in un notebook), e vuoi crescere su tecnologie all’avanguardia come xAI, LLM e sistemi generativi, questo è il posto giusto.

Cerchiamo un Machine Learning Engineer con almeno 2–3 anni di esperienza reale, da inserire subito su progetti concreti.

Non stiamo cercando chi deve ancora imparare le basi: stiamo cercando chi è pronto a contribuire da subito, e che voglia crescere verso specializzazioni avanzate.

Requisiti linguistici e di esperienza

• Italiano madrelingua (obbligatorio)
• Almeno 2–3 anni di esperienza in ruoli ML o Data Science in contesti reali (non solo accademici o formativi)
• Esperienza diretta su progetti in produzione, non solo proof of concept
• Forte spirito di collaborazione e autonomia operativa
• Proattività e orientamento ai risultati

Competenze tecniche

• Progettazione e sviluppo end-to-end di modelli ML (NLP, recommender systems, predictive analytics)
• Addestramento, fine‑tuning e ottimizzazione di modelli, inclusi LLM e diffusion models
• Costruzione di pipeline end-to-end robuste, dal preprocessing al deployment in produzione
• Integrazione delle soluzioni ML nei prodotti Chiron, in collaborazione con il team di sviluppo
• Contributo attivo alle strategie R&D su AI, MLOps ed explainability
• Solida padronanza di Python e librerie ML (Scikit‑learn, PyTorch, TensorFlow, HuggingFace), con esperienza applicata, non solo teorica
• Esperienza concreta su Machine Learning supervisionato e non supervisionato, con modelli portati in produzione
• Esperienza su SQL / NoSQL, pipeline ETL, strumenti tipo PySpark, Airflow, MLFlow
• Fine‑tuning di modelli di Open Source di GenAI (diffusion models, text to text)
• Familiarità con logiche MLOps e gestione del ciclo di vita dei modelli
• Interesse attivo per l’explainable AI (xAI) e la sperimentazione
• Esperienza con LLM e framework (LangChain, CrewAI, GraphRAG) in contesti reali
• Esperienza con sistemi di tracing
• Conoscenza pratica di cloud (AWS, GCP, Azure)
• Esperienza con ClickHouse o Neo4j
• Capacità di costruire API (FastAPI, Flask, Django) – buon plus se già fatto in produzione

Benefici e modalità di lavoro

• Modalità ibrida: 3 giorni in sede, 2 in remoto
• Compenso NETTO 22K–32K annui, in base a esperienza e competenze effettive. Piano di crescita meritocratico con aumenti legati ai risultati.
• Percorso di evoluzione chiaro: verso senior engineer, o specializzazioni in xAI, MLOps, LLM/agent systems
• Crescita tecnica strutturata: mentorship, R&D, e spazio per specializzarsi

Processo di selezione

• Colloquio conoscitivo
• Test tecnico (hard skills) – esercizio ML o codice