Machine Learning Engineer – LLM & Generative AI
Doktar Technologies è una delle principali aziende Agritech con la missione di rivoluzionare i sistemi alimentari attraverso l'uso intensivo di dati e decisioni basate sui dati. Con sede centrale nei Paesi Bassi e uffici a Wageningen, Istanbul e Smirne, Doktar offre una suite completa di servizi digitali lungo l'intera catena del valore agricolo. Posizionata come un punto di riferimento unico per le soluzioni di agricoltura digitale, Doktar adotta tecnologie emergenti come il telerilevamento, l'internet delle cose, il machine learning e l'intelligenza artificiale.
Per il nostro team di Data Science in crescita, siamo alla ricerca di un Mid-Senior Machine Learning Engineer. Progetterai, svilupperai e implementerai sistemi di IA di livello produttivo in grado di generare un impatto misurabile sull'agricoltura e sulla sostenibilità. Questo ruolo è ideale per gli ingegneri che amano risolvere problemi complessi del mondo reale e trasformare la ricerca in sistemi affidabili su scala. Lavorerai su computer vision, large language models e MLOps a seconda del tuo background, offrendo al contempo tutoraggio ai colleghi e contribuendo a definire lo stack di IA in espansione di Doktar. Il nostro ambiente è dinamico, orientato alla ricerca e profondamente guidato dalla nostra missione.
Cosa farai
Guidare progetti lungo l'intero ciclo di vita del ML: progettare e implementare pipeline di dati, addestramento, inferenza e monitoraggio con CI/CD, versionamento e percorsi di rollback.
Costruire sistemi di ML affidabili e scalabili: con focus su latenza, costi, osservabilità e riaddestramento automatizzato.
Tradurre la ricerca in produzione: trasformare modelli sperimentali in servizi manutenibili, testabili e accuratamente monitorati.
Collaborare in modo interfunzionale con i team di dati, piattaforma e prodotto per allinearsi su metriche, SLA e criteri di successo.
Contribuire all'apprendimento del team revisionando il lavoro altrui, condividendo le migliori pratiche e promuovendo la riproducibilità degli esperimenti.
Garantire l'affidabilità dei modelli implementati tramite validazione, rilevamento della deriva (drift detection) e valutazione continua.
Cosa cerchiamo
4–7 anni di esperienza nell'implementazione di modelli o infrastrutture di ML in produzione.
Forti competenze in Python; preferibile PyTorch.
Solida comprensione delle architetture di deep learning (CNN, Transformer, sistemi multimodali).
Esperienza in almeno uno dei seguenti ambiti: computer vision, large language models o altri modelli di base (foundation models).
Comprovata esperienza nella produzione di ML: serving dei modelli, ottimizzazione, versionamento e monitoraggio.
Familiarità con piattaforme cloud (preferibilmente Azure), Docker e strumenti di workflow (Airflow, MLflow, Kubeflow, Azure ML).
Esperienza con Infrastructure-as-Code e pratiche MLOps automatizzate.
Esposizione ad ambienti HPC o configurazioni di addestramento distribuito.
Mentalità orientata ai sistemi: capacità di progettare tenendo conto di affidabilità, manutenibilità e chiara definizione delle responsabilità.
Forti capacità di comunicazione e collaborazione.
Cosa offriamo
Un lavoro interessante e altamente autonomo in un team giovane e interdisciplinare;
Partecipazione a progetti su scala globale;
Infrastrutture tecniche all'avanguardia (software e strumenti di comunicazione);
Opportunità di sviluppo professionale;
Lavoro ibrido;
Opzioni di acquisto di azioni societarie (shares options);
Assicurazione sanitaria privata estesa ai familiari di età inferiore ai 22 anni;
Buoni pasto mensili e indennità di trasporto;
Bonus annuali basati sulle prestazioni.