Senior Prompt Engineer | FULL-REMOTE
- Milano
- Tempo indeterminato
- Full time
- Gestione e sviluppo di progetti di intelligenza artificiale legati a modelli linguistici avanzati, con focus su OpenAI e altri modelli di NLP (Natural Language Processing).
- Progettazione di prompt complessi e ottimizzati per migliorare l'accuratezza, la coerenza e l'efficacia delle risposte generate dai modelli AI.
- Gestione completa dei progetti, dall'ideazione alla produzione, lavorando in stretta collaborazione con i team di sviluppo e prodotto.
- Collaborazione con i data scientist e gli ingegneri software per integrare modelli AI nei flussi di lavoro aziendali e nelle applicazioni di prodotto.
- Monitoraggio delle prestazioni dei modelli AI, esecuzione di debug e ottimizzazione dei prompt per garantire performance elevate e costanti.
- Ricerca e sperimentazione di nuovi framework e tecniche nel campo del prompt engineering e del fine-tuning dei modelli di linguaggio.
- Possibilità futura di costruire un team di specialisti AI, lavorando come lead e creando una business unit autonoma dedicata all'intelligenza artificiale.
- Profonda conoscenza e competenza nella progettazione, ottimizzazione e testing di prompt per modelli AI come quelli sviluppati da OpenAI (GPT-4, Codex, etc.).
- Modelli di linguaggio e NLP, esperienza nella gestione e implementazione di modelli di linguaggio di grandi dimensioni (LLM), con conoscenza di tecniche di fine-tuning, training e deployment.
- Ottime capacità di programmazione in Python per sviluppare e integrare modelli AI in ambienti di produzione.
- Esperienza nell'utilizzo delle API di OpenAI per integrare modelli GPT e NLP in applicazioni e sistemi aziendali.
- Conoscenza dei principi base di machine learning e deep learning, con esperienza nell'uso di framework come TensorFlow o PyTorch.
- Capacità di creare pipeline di automazione per il ciclo di vita del machine learning, con strumenti come MLflow, Kubernetes o Docker per il deployment e la scalabilità dei modelli.
- Capacità di analizzare, pulire e trasformare dati non strutturati per l'addestramento e il testing di modelli AI.
- Familiarità con strumenti di gestione e versioning dei modelli (ad es. DVC, MLflow) per garantire la tracciabilità e l'aggiornamento continuo dei modelli.
- Esperienza con piattaforme cloud come AWS, Google Cloud, o Azure per il training e il deployment di modelli AI su larga scala.