Overview
Data Scientist/ML Engineer Jobs in Naples, Campania, Italy at Valoreumano
Title: Data Scientist/ML Engineer
Company: Valoreumano
Location: Naples, Campania, Italy
FTNet è unastartup innovativafondata nel 2021, dopo anni di analisi e ascolto diretto delle esigenze dei principali players del mercato farmaceutico.
Il team di FTNet è guidato da una visione comune: l’innovazione tecnologica è una grande opportunitàper rendere più efficaci ed efficienti i processi relazionali che generano valore sul mercato.
Digital Innovation, Data Integration & Business Intelligencesono i pilastri alla base del prodotto che FTNet ha lanciato nel 2023.
Siamo unarealtà innovativa, dinamica, in forte evoluzionee ricerchiamo risorse che condividano la nostra passione per l’innovazione e il cambiamento.
Posizione:
Come profilo Data Scientist/ML Engineer cerchiamo una risorsa che abbia alle spalle un background di studi e lavorativo nello sviluppo e rilascio di sistemi di Machine Learning/Deep Learning, nello studio degli algoritmi e nella conduzione di esperimenti di Artificial intelligence.
Requisiti:
In particolare, i requisiti operativo/tecnici sono i seguenti:
Conoscenza di Python (versione 3.7+) come linguaggio per la data science e, più genericamente, come linguaggio di programmazione a oggetti (devono essere chiari i concetti, ad esempio, di classi, metodi, ereditarietà, override).
Forti conoscenze statistiche in ambito serie temporali/ analisi fattoriale/ Anomaly detection/ clustering/ natural language processing
Conosce la differenza tra supervised e unsupervised Learning
Conoscenza dei framework per l’analisi di base dei dati in python (Numpy e Pandas su tutti) e per gli algoritmi di base del Machine Learning (necessario scikit-learn)
Conoscenza dei framework per la rappresentazione visuale dei dati (seaborn e matplotlib in primis, ma vanno bene anche altri)
Necessaria la conoscenza di almeno 1 dei seguenti framework per il Machine Learning e il Deep Learning : Pytorch e/o Tensorflow 2.x . Andrebbe bene anche la conoscenza di Tensorflow 1.x in assenza di altro, ma bisognerebbe valutare il caso specifico e la propensione a passare alla versione successiva
Conoscere per esperienza accademica/lavorativa i seguenti modelli : Random Forest, XGBoost, GBM, Artificial Neural Network, Convolutional Neural Network, Autoencoder, Variational Autoencoder, Recurrent Neural Networks, LSTM Networks, Generative Avversaria Networks
Aver avuto esperienza con pipeline di addestramento dei modelli di Machine Learning/ Deep Learning e col “fine tuning” degli stessi(esempio: stabilire il numero di epoche ottimali per terminare un addestramento di un modello)
Esperienza nelle scelte di architetture ML/DL in rapporto al problema in oggetto
Esperienza nel rilascio dei modelli di ML/DL per l’utilizzatore finale (API, Docker)
Essere in grado di leggere e comprendere ricerche sull’AI in inglese
Capacità di scrivere codice AI a partire da informazioni ricavate da PDF di ricerche ed esperimenti o da pseudocodice