Categoria: Technology & Telecoms
Luogo di lavoro: Milano e provincia
Per societa insurtech di casamadre inglese che ontegra algoritmi di intelligenza artificiale all'interno delle practice assicurative, siamo alla ricerca di una figura di AI Engineer
- Sviluppo di modelli predittivi per il rischio
- Attività: Progettare e sviluppare modelli di machine learning (ML) per prevedere il rischio di sinistri, la probabilità di frode o per ottimizzare la determinazione dei premi.
- Tecnologie:
- Librerie ML: Scikit-learn, XGBoost, LightGBM, TensorFlow, PyTorch.
- Data Science tools: Pandas, NumPy, Matplotlib, Seaborn per analisi dei dati e visualizzazione.
- Framework di deep learning: Keras, TensorFlow, PyTorch.
- Sviluppo di algoritmi per la personalizzazione delle polizze
- Attività: Creare modelli AI e suggerire polizze personalizzate in base ai loro dati storici e preferenze.
- Tecnologie:
- Machine learning: Collaborative filtering per raccomandazioni, regressione lineare e logistica, clustering (ad esempio, k-means, DBSCAN).
- Algoritmi di pricing dinamico: Modelli basati su alberi decisionali o reti neurali per calcolare i premi assicurativi in tempo reale.
- Automazione e analisi dei sinistri
- Attività: Costruire sistemi AI per l'analisi automatica delle richieste di risarcimento, per velocizzare il processo di approvazione, identificare frodi o ottimizzare la gestione del flusso di lavoro.
- Tecnologie:
- Reti neurali convoluzionali (CNN): Per l'elaborazione e il riconoscimento delle immagini (ad esempio, valutazione dei danni su foto).
- NLP (Natural Language Processing): SpaCy, NLTK, transformers per l'analisi automatica delle descrizioni di sinistri o per estrarre informazioni dalle documentazioni testuali.
- OCR (Optical Character Recognition): Tesseract o Google Cloud Vision API per l'estrazione di testo da documenti scansionati.
- Prevenzione delle frodi
- Attività: Creare modelli predittivi basati su AI per identificare sospetti e frodi nei reclami assicurativi.
- Tecnologie:
- Deep learning: Autoencoders per il rilevamento di anomalie.
- Modelli di classificazione: Random Forest, SVM (Support Vector Machine), Gradient Boosting.
- Tecniche di rilevamento delle anomalie: Analisi delle transazioni sospette attraverso clustering o anomaly detection.
Requisiti: 3 anni di esperienza in posizioni di AI EngineerOttima conoscenza di PythonLibrerie ML: Scikit-learn, XGBoost, LightGBM, TensorFlow, PyTorch.Data Science tools: Pandas, NumPy, Matplotlib, SeabornFramework di deep learning: Keras, TensorFlow, PyTorch. Titolo di studio minimo: Comune e/o quartiere: Milano e provincia
