CYS_Software Engineer_TP at Leonardo

Rome, Lazio, Italy -

Full Time

Start Date

Immediate

Expiry Date

27 Apr, 26

Salary

0.0

Posted On

27 Jan, 26

Experience

2 year(s) or above

Remote Job

Yes

Telecommute

Yes

Sponsor Visa

Skills

Backend Development, Data Processing, Cloud Platforms, Kubernetes, Microservices, MLOps, API Development, Database Management, Data Lakehouse, Security Automation, Caching Strategies, CI/CD Pipelines, Infrastructure as Code, Distributed Systems, Machine Learning, Data Quality, Performance Optimization

Industry

Defense and Space Manufacturing

Description

Job Description: Leonardo è un gruppo industriale internazionale, tra le principali realtà mondiali nell’Aerospazio, Difesa e Sicurezza che realizza capacità tecnologiche multidominio in ambito Elicotteri, Velivoli, Aerostrutture, Elettronica, Cyber Security e Spazio. Con oltre 60.000 dipendenti nel mondo, l’azienda ha una solida presenza industriale in Italia, Regno Unito, Polonia, Stati Uniti, e opera in 150 paesi anche attraverso aziende controllate, joint venture e partecipazioni. Protagonista dei principali programmi strategici a livello globale, è partner tecnologico e industriale di Governi, Amministrazioni della Difesa, Istituzioni e imprese. All’interno dell’Area Cyber & Security Solutions, stiamo ricercando un/a Software Engineer per servizi dati, cloud e ML per la nostra sede di Genova / Roma Laurentina. Di seguito l’elenco delle principali attività previste per il ruolo: Sviluppare microservizi per data ingestion, transformation, API exposure e processing Implementare servizi per batch e streaming data processing con integration tra i due paradigmi Sviluppare API RESTful, GraphQL e gRPC per data access e analytics query execution Implementare servizi per cloud infrastructure management (compute, storage, networking) Sviluppare servizi per orchestration e provisioning di risorse cloud Implementare servizi per security posture monitoring e compliance checking Sviluppare componenti per cost tracking, resource optimization e billing Implementare servizi per ML lifecycle management (training, evaluation, deployment, monitoring) Sviluppare servizi per model registry, versioning e metadata tracking Sviluppare API per model serving e inference con support per batch e real-time predictions Implementare servizi per feature store management e feature engineering pipelines Implementare servizi per metadata management e data catalog integration Sviluppare componenti per data quality validation e monitoring Integrare con data lakehouse per unified batch-streaming storage Integrare con cloud providers APIs (OpenStack, AWS, Azure) per multi-cloud scenarios Implementare servizi per disaster recovery automation e backup orchestration Sviluppare Kubernetes operators per custom resource management Implementare caching strategies e query optimization per performance Sviluppare servizi per data lineage tracking e impact analysis Implementare servizi per model monitoring (drift detection, performance tracking, data quality) Sviluppare servizi per automated retraining pipelines e continuous learning Garantire scalabilità, reliability e security per data services, cloud services e ML workloads Implementare pattern per fault tolerance, retry mechanisms e error handling Implementare testing automation e CI/CD pipelines per cloud services, data services e ML pipelines Mantenere elevati standard di qualità del codice attraverso testing e code review Collaborare con data engineers, infrastructure team, data scientists e ML engineers per implementazione end-to-end Titolo di studio Laurea in Ingegneria Informatica, Informatica o equivalente. Seniority Expert (da 2 a 5 anni di esperienza nel ruolo, o più di 5 anni di esperienza in ruoli analoghi) Conoscenze e competenze tecniche Sviluppo backend con linguaggi enterprise (Java, Python, Scala, Go) per data platforms, cloud platforms e ML platforms Data processing con framework moderni (Apache Spark, Apache Flink) Architetture event-driven per data streaming e real-time processing Cloud platforms APIs (OpenStack, AWS/Azure SDKs) e resource management Kubernetes e container orchestration con operators pattern Infrastructure as Code (Terraform, Pulumi) e automation Microservizi cloud-native con service mesh integration MLOps practices per model lifecycle automation Model serving frameworks (TensorFlow Serving, TorchServe, Triton Inference Server) ML orchestration tools (Kubeflow, MLflow) e experiment tracking Feature stores (Feast, Tecton) e feature engineering pipelines Sviluppo di API (RESTful, GraphQL, gRPC) per data services, infrastructure services e ML services Database relazionali e NoSQL ottimizzati per analytics (columnar, document, wide-column) Data lakehouse integration (Delta Lake, Apache Iceberg) con ACID semantics Security automation (policy enforcement, compliance scanning, secrets management) Caching distribuito (Redis, Memcached) per performance optimization API design per infrastructure services e ML services con versioning e backward compatibility Competenze comportamentali Autonomia nella gestione di task complessi multi-componente Buone capacità comunicative e problem solving analitico Orientamento alla qualità del codice, data quality, automazione, infrastructure as code, performance e scalability Security mindset per cloud environments Collaborazione efficace in team cross-funzionali (backend, data engineering, analytics, infrastructure, ML) Proattività nel knowledge sharing e continuous improvement Conoscenze linguistiche Italiano madrelingua, Inglese professionale (B2) Competenze informatiche Linguaggi backend (Java, Python, Scala, Go) e framework (Spring Boot, FastAPI) Apache Spark (PySpark, Scala) per distributed data processing Apache Flink for stream processing (DataStream API, Table API) Event streaming (Apache Kafka) e message brokers Cloud platforms (OpenStack, integration con AWS/Azure) Kubernetes avanzato (operators, CRDs, admission controllers, GPU support con NVIDIA GPU Operator) Infrastructure as Code (Terraform, Ansible, Pulumi) ML frameworks (TensorFlow, PyTorch) e model formats (ONNX, SavedModel) Model serving (TensorFlow Serving, TorchServe, Triton) MLOps tools (Kubeflow, MLflow, DVC) Feature stores (Feast) e data versioning Containerizzazione (Docker) e deployment su Kubernetes Database relazionali (PostgreSQL), NoSQL (MongoDB, Cassandra), columnar (ClickHouse), time-series (TimescaleDB) Data lakehouse platforms (Delta Lake, Apache Iceberg) Cache distribuito (Redis) e query optimization Security tools (Vault, OPA, Falco) per cloud security API design e versioning strategies Pipeline CI/CD e monitoring (Prometheus, Grafana) per data applications, cloud services e ML systems Altro Disponibilità a brevi trasferte su territorio nazionale Esperienza con big data processing su larga scala, progetti cloud infrastructure, progetti ML/AI è un plus Certificazioni data engineering (Databricks, Snowflake), cloud (AWS/Azure, OpenStack, Kubernetes), streaming (Confluent Certified Developer for Apache Kafka, Flink) sono titoli preferenziali Conoscenza di data warehousing, OLAP, data modeling, analytics, ML algorithms, data science è un plus Background in progetti data-intensive, system administration, SRE, distributed systems o high-performance computing è un plus Disponibilità a ottenere clearance di sicurezza Seniority: Expert Primary Location: IT - Genova - Fiumara Additional Locations: IT - Roma - Via Laurentina Contract Type: Permanent Hybrid Working: Hybrid International, multicultural, innovative, technological: this is Leonardo. The company’s passionate and talented team is strongly influenced by STEM (Science, Technology, Engineering, Mathematics) expertise, with a diverse range of experience that enables colleagues to share knowledge and know-how across the generations. Leonardo always wants to expand its talent pool, here you can find the right opportunity for you!

Responsibilities

The Software Engineer will develop microservices for data ingestion, transformation, and processing, as well as implement services for cloud infrastructure management and ML lifecycle management. Collaboration with cross-functional teams is essential for end-to-end implementation.