Descrizione della Posizione Lavorativa
Il cliente è una realtà industriale strutturata e in crescita, parte di un gruppo internazionale e fondata agli inizi degli anni '80. L'azienda, con circa 120 dipendenti, è focalizzata sull'ottimizzazione dei processi produttivi tramite l'uso strategico dei dati.
Responsabilità principali
- Sviluppare e gestire soluzioni avanzate di analisi dati applicate ai processi produttivi e ai macchinari industriali.
- Progettare e implementare data pipeline scalabili (ETL/ELT) per acquisizione, trasformazione e integrazione di dati da sistemi aziendali e dispositivi IoT.
- Sviluppare modelli di machine learning e deep learning per analisi predittiva, con particolare focus sulla predictive maintenance (rilevazione anomalie, previsione guasti).
- Progettare e sviluppare AI agent e componenti basati su modelli generativi a supporto delle decisioni operative e della manutenzione.
- Collaborare con i team di produzione, manutenzione e IT per comprendere i requisiti di business e tradurli in soluzioni tecnologiche.
- Integrare modelli e soluzioni AI nell'ecosistema aziendale garantendo performance, scalabilità e affidabilità.
- Monitorare e ottimizzare le performance dei modelli in esercizio, gestendo attività di deployment, versioning e manutenzione (MLOps).
- Contribuire all'evoluzione della piattaforma dati e AI aziendale e documentare le soluzioni tecniche garantendo il passaggio di conoscenza.
Competenze ed esperienza richieste
- Laurea in Ingegneria informatica, elettronica, dell'automazione o campo affine.
- Esperienza 2-3 anni in ambito Data Engineering e AI Engineering, con focus su progettazione di pipeline dati e sviluppo di modelli avanzati.
- Ottima conoscenza di Python e principali librerie di data science e machine learning (Pandas, NumPy, Scikit-learn).
- Esperienza con framework di deep learning (TensorFlow, PyTorch).
- Competenze nello sviluppo di soluzioni di predictive maintenance (anomaly detection, time series forecasting — es. Prophet, statsmodels).
- Esperienza o forte interesse nello sviluppo di AI agent e sistemi basati su modelli generativi (es. LangChain, LlamaIndex, integrazione API LLM).
- Esperienza nella progettazione e gestione di data pipeline (ETL/ELT) e buona conoscenza di database SQL e NoSQL.
- Familiarità con piattaforme cloud, preferibilmente Azure (Data Factory, Synapse, ML Studio).
- Esperienza nell'integrazione e gestione di dati IoT / industriali e conoscenza delle pratiche di MLOps (versioning, deployment e monitoraggio modelli).
Competenze trasversali
- Capacità di interfacciarsi con stakeholder non tecnici e tradurre esigenze di business in soluzioni scalabili.
- Autonomia, problem solving e approccio analitico.
Condizioni contrattuali e sede
Offerta di contratto a tempo indeterminato con CCNL Gomma Plastica. Retribuzione indicativa: 25.000 EUR - 40.000 EUR annui. Sede di lavoro: Provincia nord di Piacenza, direzione Cremona. Modalità di lavoro ibrida: 1-2 giorni a settimana in remoto dopo il periodo di onboarding.
Fatta eccezione per le candidature riservate a categorie protette ai sensi della Legge 68/99 (per le quali è richiesta solo la conferma dell'appartenenza), la candidatura non deve contenere informazioni relative allo stato di salute o all'appartenenza a categorie protette, poiché non rilevanti ai fini della selezione.
Benefit per i dipendenti
- Contratto a tempo indeterminato (CCNL Gomma Plastica).
- Retribuzione indicativa: 25.000–40.000 EUR/anno.
- Modalità ibrida dopo onboarding (1-2 giorni/sett).
- Inserimento in realtà industriale strutturata e in crescita, parte di un gruppo internazionale.
Requisiti
Laurea in Ingegneria (informatica, elettronica, automazione o affini); esperienza di almeno 2-3 anni in Data Engineering e AI Engineering; ottima conoscenza di Python e librerie di data science; esperienza con framework DL (TensorFlow, PyTorch); competenze in predictive maintenance, progettazione ETL/ELT, database SQL/NoSQL; preferibile esperienza su Azure e integrazione dati IoT; conoscenza di pratiche MLOps.
Competenze richieste
Competenze professionali
Python
Pandas
NumPy
Scikit-learn
TensorFlow
PyTorch
Predictive maintenance (anomaly detection
time series forecasting)
ETL/ELT
SQL
NoSQL
Azure (Data Factory
Synapse
ML Studio)
Integrazione dati IoT/industriali
MLOps (deployment
versioning
monitoraggio)
AI agent / modelli generativi (LangChain
LlamaIndex
integrazione API LLM)
Competenze trasversali
Capacità di interfacciarsi con stakeholder non tecnici
Autonomia
Problem solving
Approccio analitico