Lead / Principal AI Engineer – Computer Vision
Chi siamo
GANIGA è una startup deeptech italiana che sviluppa smart bins capaci di riconoscere e differenziare automaticamente i rifiuti. Combiniamo robotica, visione artificiale, AI e design industriale per creare prodotti robusti, scalabili e user-friendly, con l’obiettivo di rivoluzionare la raccolta differenziata e promuovere l’economia circolare.
Siamo un team giovane e dinamico, con mentalità startup: flessibili, veloci e orientati a creare impatto reale nel mondo.
Perché questo ruolo è importante
Stiamo cercando un Lead / Principal AI Engineer con una solida esperienza in Computer Vision, che diventi il punto di riferimento tecnico per il cuore della nostra tecnologia: il riconoscimento automatico dei rifiuti. Questa persona guiderà la ricerca, lo sviluppo e la messa in produzione di modelli di Visione Artificiale ad alte prestazioni, garantendo che la nostra soluzione mantenga un vantaggio competitivo nel settore del smart waste.
Responsabilità principali

Ricerca e Sviluppo Modelli Core: Guidare la selezione, l'addestramento e l'ottimizzazione di modelli di Deep Learning per compiti chiave di Visione Artificiale (es. classificazione, rilevamento di oggetti, segmentazione) mirati al riconoscimento dei materiali di scarto.
Ottimizzazione Edge AI: Sviluppare e ottimizzare modelli di Computer Vision per la distribuzione su hardware embedded o Edge (es. piattaforme con risorse limitate), bilanciando accuratezza e velocità di inferenza.
Strategia Dataset: Definire la strategia di acquisizione, annotazione e gestione del nostro dataset di Visione Artificiale, assicurando la qualità e la diversità necessarie per la robustezza dei modelli.
MLOps e Pipeline AI: Collaborare con il Cloud Architect per industrializzare le pipeline MLOps, garantendo il monitoraggio continuo, il riaddestramento automatico e il deployment rapido dei modelli.
Mentoring e Leadership Tecnica: Assumere la leadership tecnica del dominio AI, influenzando la roadmap del prodotto e mentorando i membri più junior del team.
Validazione e Robustezza: Eseguire test rigorosi per garantire la robustezza dei modelli in condizioni ambientali variabili (illuminazione, usura dei cestini, ecc.) e misurarne l'impatto sul prodotto.

Requisiti minimi

Laurea Magistrale in Informatica, Ingegneria, Statistica o campo affine con focus su Computer Vision o Machine Learning.
Esperienza consolidata e di rilievo (minimo 7 anni) nello sviluppo, addestramento e messa in produzione di soluzioni di Deep Learning per la Computer Vision in contesti aziendali complessi.
Comprovata padronanza di framework di Deep Learning (es. PyTorch, TensorFlow) e delle relative librerie di visione (es. OpenCV).
Esperienza dimostrabile nell'ottimizzazione di modelli per l'inferenza su dispositivi Edge / Embedded (es. utilizzo di TensorRT, OpenVINO, o ottimizzazioni come quantizzazione e pruning).
Solide competenze in Python e nella gestione di ambienti di sviluppo per ML (Git, ambienti virtuali, cluster di calcolo).
Esperienza con Jax / Flax.
Track record di successi nel portare modelli dalla fase di prototipo a soluzioni industriali scalabili.
Capacità di analizzare criticamente la letteratura scientifica e applicare le tecniche più all'avanguardia.

Plus / Preferenze

Esperienza pregressa in aziende leader nel settore AI / Tech.
Profonda conoscenza delle architetture di Visione Artificiale di ultima generazione (es. Transformer, architetture EfficientNet / MobileNet, tecniche di few-shot / zero-shot learning).
Esperienza in robotica o meccatronica, in particolare nell'integrazione tra sensori fisici e l'output della Visione Artificiale.
Certificazioni o esperienza avanzata con ambienti cloud ML (es. Google Cloud Vertex AI).
Pubblicazioni o contributi significativi alla comunità scientifica / open source nel campo della Computer Vision.

Soft skills & Mentalità

Mentalità da startup e Visione Tecnica: Capacità di bilanciare rapidità, pragmatismo e rigore scientifico.
Leadership Tecnica: Capacità di guidare le scelte architetturali complesse e di infondere eccellenza tecnica nel team.
Forte Ownership: Assunzione di completa responsabilità per l'accuratezza e le performance del sistema di riconoscimento AI.
Eccellenti capacità di comunicazione per interagire con il business (spiegare la performance AI) e con i team tecnici (dati, firmware, cloud).

RAL 60k - 75k + bonus commisurate all'esperienza
#J-18808-Ljbffr