AI / Data Engineer

Overview In questa posizione guiderai lo sviluppo e la messa in produzione di modelli statistici e ML per supportare decisioni autonome in tempo reale, collaborando con engineering, product e domain experts. L’obiettivo è offrire modelli accurati, spiegabili e auditabili per la piattaforma Genyo.ai, con un impatto diretto sui sistemi decisionali. L’ambiente è startup ad alta crescita, orientato a soluzioni fintech e asset digitali. Ti occuperai di ricerca avanzata, deployment e monitoraggio in un contesto regolatorio complesso.

Retribuzione / Benefits

flessibilità orario e remote binari ambiente startup dinamico e mission-driven workshops con clienti e conferenze a Milano viaggi aziendali mensili per meeting a Milano opportunità di crescita e mentoring RAL tra 45k e 65k a seconda seniority

Responsabilità

Guidare l’intero ciclo di vita del ML: definizione del problema, acquisizione dati, feature engineering (on-chain e off-chain), modellazione, validazione, deployment e monitoraggio Sviluppare modelli per rilevazione frodi, credit scoring on-chain e risk assessment comportamentale Progettare modelli per rischi di liquidità e treasury e per dynamic pricing e retention Sviluppare modelli a supporto del motore decisionale AI agentico, abilitando flussi decisionali autonomi multi-step in tempo reale Garantire spiegabilità, auditabilità e conformità dei modelli e contribuire a framework di spiegazione narrativa e documentazione Progettare e ottimizzare feature store, data pipeline, API dei modelli e framework di monitoraggio Condurre ricerca avanzata su graph ML, forecasting, anomaly detection, embeddings, self-supervised learning Fare mentoring a data scientist e contribuire agli standard di modellazione e revisione Comunicare risultati e comportamento dei modelli a stakeholder interni, clienti e autorità regolatorie

Requisiti fondamentali

Laurea magistrale o PhD in discipline quantitative +3 anni di esperienza in data science o ML Ottima conoscenza di Python e librerie ML (scikit-learn, PyTorch, TensorFlow) Esperienza comprovata in modelli ML in produzione (batch, streaming o real-time) Conoscenza di modellazione statistica, metodi di classificazione/regressione, serie temporali, anomaly detection Esperienza con modelli spiegabili e validazione robusta Ottime capacità comunicative e capacità di tradurre concetti tecnici per business/compliance Esperienza in ambienti startup e mindset di ownership Conoscenza best practice di sicurezza per modelli, dataset e pipeline e gestione audit Comunicazione efficace Pensiero analitico e orientamento al dettaglio Autonomia e proattività Python avanzato Librerie ML: scikit-learn, PyTorch, TensorFlow Modellazione statistica, forecasting, serie temporali