ML & AI Engineer - Data, Models & Production

Alkemy Group cerca un Machine Learning & AI Engineer a Milano per accompagnare clienti enterprise dall’analisi dei dati al rilascio di modelli in produzione, collaborando in un team Advanced Analytics e MLOps. La posizione prevede competenze in Python, SQL e data pipeline, esperienza 3–5 anni, e una RAL tra 37.000 e 47.000 euro all’anno; autonomia, orientamento ai KPI e lavoro in un contesto dinamico.

La posizione valorizza l’interdisciplinarietà e la capacità di operare tra analisi, machine

Sviluppare in Python analisi, modelli e componenti riutilizzabili.
Interrogare e modellare i dati in SQL: query complesse, data modeling, costruzione di customer table / ABT.
Preparare i dati: data cleaning, integrazione da fonti eterogenee, trasformazione e feature engineering.
Sviluppare modelli di machine learning – regressione, clustering, reti neurali – partendo da analisi esplorativa e descrittiva.
Costruire data pipeline e orchestratarle con Airflow, fino al deployment dei modelli in produzione.
Definire KPI e metriche che rendano misurabile il risultato, e restituirlo con visualizzazioni e reportistica leggibile dal cliente.
Presidiare le attività di progetto e collaborare con data scientist, data engineer e referenti di business.

Data engineering: data cleaning, data integration, data modeling, sviluppo di data pipeline, data transformation, programmazione avanzata su database, deployment e messa in produzione.
Data science e machine learning: analisi esplorativa, feature engineering, customer table / ABT, regressione, cluster analysis, modelli ad alberi (Random Forest, boosting), reti neurali e deployment dei modelli.
BI e analytics: querying di database, definizione di KPI e metriche, analisi descrittiva, data visualization e reportistica.
Strumenti e MLOps: Git, orchestrazione con Airflow, batch scripting, AWS Lambda, formati di interscambio dati web, ambienti Windows.
Agentic AI: conoscenza dei pattern ad agenti e dei loro casi d’uso.
Gestione delle attività di progetto: autonomia nella pianificazione e nel presidio delle consegne.
Python: sviluppo di analisi e modelli su progetti reali, non solo notebook esplorativi.
SQL: padronanza reale del linguaggio e dell’interrogazione dei dati.