Senior Machine Learning Engineer Embedded AI

Pennylane cerca una figura senior per la squadra Embedded AI, quella che costruisce i sistemi di machine learning specializzati dietro Copilot e Autopilot: lettura delle fatture, classificazione dei documenti, suggerimenti contabili, riconciliazione, scoring e gli Autopilot per la contabilità e la revisione. I modelli si stanno standardizzando in fretta: la differenza la fanno la capacità di inquadrare il problema giusto, l'uso dei dati e della conoscenza contabile dell'azienda, la valutazione della qualità su flussi reali e la gestione affidabile dei sistemi in produzione. Non sono richiesti viaggi frequenti, a parte i ritrovi aziendali: i Tech Days ogni due mesi e il seminario annuale.

Ruolo
Progetterai e rilascerai sistemi di machine learning per la comprensione dei documenti, l'estrazione, la classificazione, la riconciliazione, il ranking, lo scoring e le raccomandazioni, contribuendo direttamente alle esperienze Copilot e Autopilot. Possiederai l'intero ciclo di vita delle tue soluzioni, dall'inquadramento del problema alla strategia sui dati e sull'etichettatura, ai baseline, all'addestramento, alla valutazione, al rilascio, alla sperimentazione, al monitoraggio e alla manutenzione, trasformando le correzioni degli utenti e i fallimenti in produzione in dataset, modelli e comportamenti migliori. Definirai metriche di qualità che riflettano il valore reale per chi usa il prodotto, tra precisione e richiamo, copertura dell'automazione, elaborazione senza intervento umano, tasso di correzione manuale, latenza e costo, e sceglierai ogni volta l'approccio affidabile più semplice, che sia logica deterministica, machine learning classico, deep learning o AI generativa, invece di partire da un modello preferito. Lavorerai con prodotto, engineering ed esperti di contabilità per capire i flussi di lavoro e definire che cosa significhi corretto. Sono richiesti dai 5 agli 8 anni di esperienza con una forte padronanza di Python, esperienza pratica nella costruzione e nella gestione di sistemi di machine learning su larga scala in produzione e non solo nell'addestramento di modelli, la capacità di inquadrare un problema di prodotto ambiguo stabilendo un baseline e metriche utili prima di ottimizzare, e solide competenze in più aree tra document AI, NLP, classificazione, ranking, raccomandazione, anomaly detection, deep learning e AI generativa. Contano inoltre l'attenzione a qualità dei dati, osservabilità, modalità di guasto, costo e manutenibilità, e l'inglese fluente, mentre il francese non è obbligatorio. Sono graditi esperienza in contabilità o fintech, sistemi con essere umano nel ciclo e apprendimento dalle correzioni, e familiarità con modelli multimodali o generativi per la comprensione dei documenti.

Tecnologie
Python e PyTorch, PySpark, Redshift e Airflow, AWS SageMaker e strumenti di monitoraggio, modelli multimodali e generativi per il document AI, NLP e deep learning.