Junior Machine Learning Engineer – Hybrid (Torino/Milano)
- Compensation
- Not disclosed
- Location
- , Piemonte
- Work setup
- Hybrid
- Seniority
- Junior
- Employment
- Not specified
- Experience
- Not specified
- Category
- Ml / AI
- Posted
Skills
Full description
Amaris Consulting cerca un Junior Machine Learning Engineer per unirsi al Competence Center AI, in un contesto internazionale, tecnico e orientato alla crescita. Interverrai nell’esplorazione, pulizia e preparazione dati, sviluppando modelli di ML per classificazione, regressione, clustering e rilevamento di anomalie, e contribuirai al deployment e al monitoraggio delle soluzioni.
Si richiede laurea STEM, 1-2 anni di esperienza, buona conoscenza di Python e SQL, e interesse per nuove tecnologie;
Esplorare, pulire e preparare i dati per lo sviluppo dei modelli.
Sviluppare modelli di Machine Learning per attività di classificazione, regressione, clustering e rilevamento di anomalie.
Contribuire alla realizzazione di modelli supervisionati e non supervisionati.
Valutare le prestazioni dei modelli attraverso metriche adeguate e attività di validazione.
Collaborare alla messa in produzione delle soluzioni sviluppate.
Supportare il monitoraggio dei modelli e l’analisi dei risultati nel tempo.
Sviluppare script e API per integrare i modelli nei processi aziendali.
Documentare le attività svolte, le scelte tecniche e i risultati ottenuti.
Collaborare con Data Engineer, Software Engineer e stakeholder di business.
Contribuire al miglioramento dei processi e degli strumenti utilizzati dal team.
1-2 anni di esperienza in ML/Data Science o modellazione statistica.
Laurea magistrale in STEM, preferibilmente Computer Science, Data Science, Matematica, Statistica, Fisica o Ingegneria.
Buona conoscenza di Python e SQL.
Conoscenza delle principali tecniche di Machine Learning e Data Mining.
Familiarità con librerie Python come scikit-learn, pandas e NumPy.
Conoscenza dei principali metodi di valutazione e validazione dei modelli.
Capacità di lavorare con dati strutturati e di individuare anomalie, errori e criticità nei dataset.
Buona conoscenza della lingua inglese.
Mentalità analitica e capacità di problem solving.
Precisione e attenzione alla qualità del lavoro.
Attitudine alla collaborazione e al lavoro in team.
Interesse per lo studio e l’apprendimento di nuove tecnologie.
L’esperienza in ambito bancario o finanziario sarà considerata un plus.
buoni pasto