Informazioni sul ruolo
Valuterà la qualità, la correttezza e il rigore metodologico dei task di machine learning applicato utilizzati per addestrare e valutare i modelli di un laboratorio di IA di frontiera. Esaminerà la progettazione degli esperimenti, il ragionamento sulla selezione dei modelli e la metodologia di valutazione — e fornirà un riscontro scritto chiaro, basato su rubriche.
Qualifiche di base
- Almeno 3 anni di esperienza pratica di ML applicato/sperimentale (progettazione di esperimenti, selezione dei modelli, tuning degli iperparametri, metodologia di valutazione)
- Solida padronanza del rigore sulla qualità dei dati: rilevamento del leakage, manipolazione delle metriche (metric gaming) e corretta gestione di train/test/CV
- Padronanza dei framework ML standard (PyTorch, TensorFlow, scikit-learn, XGBoost)
- Capacità di criticare affermazioni sul ML alla luce delle evidenze e di riprodurre i risultati
Qualifiche preferenziali
- Esperienza in competizioni / benchmark (ad es. Kaggle)
- Attività di ricerca post-laurea o pubblicazioni nel ML applicato
- Precedente esperienza di valutazione di task o di peer review
Nota: questo ruolo valuta il rigore del ML applicato/sperimentale — non è un ruolo di sviluppo di applicazioni LLM né di MLOps.