AI Data Engineer

Cerchiamo Persone che portino competenza nelle sfide di ogni giorno, mettendo passione in ciò che fanno e scegliendo la trasparenza come stile di lavoro e di relazione, nei processi e nel dialogo con gli stakeholder. Persone che guardino al futuro con curiosità, concretezza e spirito di innovazione, per contribuire alla crescita dell’Azienda e del Sistema Paese. L’
AI Data Engineer
, in particolare, trasforma dati eterogenei in conoscenza utile e applicabile, sviluppando modelli AI a supporto dell’automazione dei processi, dell’analisi dei dati e dei sistemi di supporto decisionale, elaborando e validando i dati in contesti organizzativi complessi, garantendo la qualità e la conformità alla legislazione vigente.

Il ruolo prevede le attività di cui alla norma UNI 11621-8, ovvero:

• Progettare e sviluppare pipeline dati efficienti e scalabili
• Integrare dati eterogenei in infrastrutture centralizzate
• Ottimizzare i processi di trasformazione per qualità e coerenza
• Collaborare con gli AI Data Scientist e analisti per fornire dati pronti
• Garantire la qualità, la sicurezza e la conformità legislativa dei dati, includendo i requisiti previsti dalla legislazione vigente, per assicurare l’affidabilità e la legalità dei dataset utilizzati nei modelli AI
• Applicare principi di fairness, privacy e accountability in linea con la governance AI
• Implementare processi di tracciabilità, auditabilità e sostenibilità dei dati
• Garantire l’interoperabilità dei dati attraverso l’adozione di formati standard e protocolli allineati a UNI CEI EN ISO/IEC 8183
• Laurea Magistrale in Informatica, Ingegneria, Matematica, Fisica o altre discipline STEM
• Esperienza lavorativa pregressa di almeno 1 anno maturata, anche in ambito accademico, in almeno uno dei seguenti ambiti:
  • A) progettazione e sviluppo di pipeline ETL / ELT per l’acquisizione, trasformazione e integrazione di dati strutturati e non strutturati
  • B) integrazione di dati provenienti da fonti eterogenee in ambienti centralizzati o distribuiti
  • C) utilizzo di database relazionali e non relazionali (SQL e No
    
    SQL) per elaborazioni dati complesse
  • D) sviluppo di componenti software per la gestione dei flussi dati tramite linguaggi di programmazione
  • E) utilizzo di strumenti di orchestrazione delle pipeline dati (gestione scheduling, dipendenze, monitoraggio)

• I. Conoscenza dei modelli di data governance e delle norme e linee guida applicabili alla gestione dei dati a supporto dell’AI (per esempio interoperabilità, trasparenza, qualità del dato).
• II. Conoscenza di metodi e metriche per la valutazione della qualità dei dati (completezza, accuratezza, coerenza, tempestività)
• III. Buona conoscenza della lingua inglese in ambito professionale