Curriculum vitae AI Engineer: esempio e modello
Ecco come dimostrare, in qualità di AI Engineer in Svizzera, modelli in produzione, maturità MLOps e conoscenze di governance con numeri concreti invece che con parole d'ordine.
Attualmente 27 posti come AI Engineer aperti in Svizzera, in 9 cantoni, di cui 3 degli ultimi 7 giorni. vontobel è chi pubblica di più.
Esempio di CV — modello di due pagine
Questo modello è modificabile direttamente — oppure carica il tuo CV attuale e verrà trasferito automaticamente in questo layout.
Quale titolo di studio è richiesto per un AI Engineer in Svizzera?
Di norma è richiesto un MSc del PF di Zurigo, del PF di Losanna o di una scuola universitaria professionale in informatica, data science o ingegneria elettrica - completato da comprovata esperienza in produzione.
Il percorso classico prevede un BSc in informatica o data science presso una scuola universitaria professionale come la FHNW, la ZHAW, la HSLU o la OST, seguito da un MSc in Data Science, Computer Science o Computational Science al PF di Zurigo, al PF di Losanna o presso una scuola universitaria professionale. Sono diffusi anche i percorsi di riconversione da fisica, matematica o ingegneria elettrica; in questo caso è determinante dimostrare il legame con l'ingegneria del software. Indicate il titolo con la denominazione ufficiale, l'istituto e l'anno, ad esempio 'MSc ETH in Data Science, PF di Zurigo, 2017'.
Le formazioni continue vanno posizionate con credibilità: un CAS o un MAS in machine learning, data engineering o AI management presso la HSLU, la ZHAW o la BFH ha in Svizzera un peso decisamente maggiore rispetto a un lungo elenco di corsi online. I certificati dei produttori come AI-102, Databricks ML Professional o Google Professional Machine Learning Engineer sono utili se corrispondono al cloud dell'azienda target. Per le posizioni in banche, assicurazioni o farmaceutica, aggiungete un certificato di governance, ad esempio ISO/IEC 42001, poiché la verificabilità in sede di audit fa parte del ruolo.
Se avete studiato all'estero, fate riconoscere l'equivalenza del titolo tramite Swiss ENIC e indicate il riferimento nel curriculum vitae. I candidati non UE/AELS dovrebbero indicare direttamente nell'intestazione lo status di soggiorno, ossia permesso B, C, L o G, poiché in caso contrario i recruiter temono questioni di contingenti. Se manca ancora un legame con la Svizzera, può essere utile uno stage, una tesi di master con un partner industriale o un progetto nell'ambito di un'iniziativa sostenuta da Innosuisse.
Come presentare esperienza professionale e progetti come AI Engineer?
Per ogni ruolo, mostrate quali modelli sono effettivamente andati in produzione, per quanti utenti, con quale latenza, qualità e quali costi.
Descrivete innanzitutto il contesto: dimensione del team, settore, volume di dati, cloud utilizzato e se avete seguito prototipi o sistemi in produzione. Nei colloqui in Svizzera, la domanda più frequente riguarda proprio la differenza tra 'proof of concept' ed 'endpoint in produzione con SLA'. Formulate poi da tre a quattro punti elenco con numeri concreti: tasso di allucinazione dal 12 al 3 percento, MAPE dal 18 all'11 percento, costi di inferenza da CHF 4.20 a CHF 0.90 per 1'000 richieste.
Distinguete chiaramente le competenze: lavoro con LLM e RAG, machine learning classico, data engineering, MLOps e governance. Citate strumenti concreti con il vostro ruolo al loro interno, ad esempio MLflow per il model registry, Argo CD per i deployment, Weaviate per la ricerca vettoriale e Terraform per l'infrastruttura. Evitate le barre di progresso per le competenze; i responsabili delle assunzioni in Svizzera valutano piuttosto prove di progetto, qualità del codice e se avete seguito un modello dopo il go-live.
Aggiungete una breve sezione progetti con due o tre riferimenti: contributi open source, profilo GitHub, pubblicazioni o un risultato su Kaggle. È importante il collegamento con il beneficio aziendale, quindi tempo di lavoro risparmiato, costi di errore evitati o fatturato aggiuntivo in CHF. In caso di riservatezza, rendete anonimo il settore ('assicuratore malattia svizzero, 1'200 collaboratori') invece di omettere gli indicatori.
Lunghezza, foto e particolarità svizzere: a cosa fanno attenzione i recruiter?
Due pagine, una foto professionale, indicazioni chiare su permesso, data di inizio e pretesa salariale sono considerati lo standard.
Mantenete il curriculum vitae su due pagine, al massimo tre se avete più di dieci anni di esperienza, e riassumete le tappe più datate in una riga. Una fototessera professionale è ancora comune in Svizzera e nei ruoli tecnologici viene raramente valutata in modo negativo; non è però obbligatoria. Indicazioni come anno di nascita, nazionalità o permesso di soggiorno, luogo di domicilio e reperibilità vanno inserite nell'intestazione, mentre stato civile e confessione religiosa non vanno più menzionati.
Prestate attenzione all'indicazione continua dei mesi, poiché i servizi del personale confrontano i dati con i certificati di lavoro. Menzionate il vostro termine di disdetta (spesso tre mesi) e la possibile data di inizio, questo accelera notevolmente il processo. Se viene richiesta una fascia salariale, orientatevi al mercato: i ruoli d'ingresso si situano spesso tra CHF 95'000 e CHF 115'000, gli AI Engineer con esperienza tra CHF 130'000 e CHF 160'000, mentre i profili senior nell'ambito finanziario zurighese possono superare questa fascia.
Inviate un file PDF con un nome file esplicito e utilizzate un layout a una colonna, leggibile dai sistemi ATS, senza testo in immagini grafiche. Redigete il dossier nella lingua dell'annuncio: tedesco nella Svizzera tedesca, francese nella Romandia, inglese per i gruppi internazionali e le startup. Tenete inoltre pronti i certificati di lavoro, i diplomi e due referenze, e indicate nel curriculum vitae 'Referenze su richiesta'.
Dove si cercano AI Engineer in Svizzera
Distribuzione dei 27 posti aperti per cantone.
Numeri in tabella
| Cantone | annunci |
|---|---|
| Zürich | 5 |
| Genf | 3 |
| Waadt | 2 |
| Aargau | 2 |
| Basel-Stadt | 2 |
| Bern | 1 |
| Wallis | 1 |
| Tessin | 1 |
Quali lingue richiedono gli annunci
Su 21 annunci con indicazione della lingua — tra parentesi quelli che richiedono un livello professionale.
Numeri in tabella
| Lingua | annunci |
|---|---|
| inglese | 15 (14) |
| tedesco | 8 (8) |
| italiano | 2 (2) |
Chi cerca AI Engineer in Svizzera
Datori di lavoro con più posti aperti. Le agenzie di collocamento sono escluse.
Numeri in tabella
| Datore di lavoro | annunci |
|---|---|
| vontobel | 3 |
| Techyon | 2 |
| RUAG | 1 |
| Lengacher & Partner GmbH | 1 |
| Kraken | 1 |
| Callista | 1 |
Tempo pieno o parziale?
Come sono pubblicati i posti.
Numeri in tabella
| Percentuale | annunci |
|---|---|
| Vollzeit / plein temps | 17 |
| Teilzeit / partiel | 1 |
| Temporär | 2 |
Il CV in versione integrale
Da rileggere e riutilizzare.
Nadine Brunner
Senior AI Engineer, MSc ETH in Data Science
Senior AI Engineer con 7 anni di esperienza nella realizzazione di sistemi LLM e di machine learning in produzione per banche, assicurazioni e industria in Svizzera. Sono responsabile dell'intero ciclo di vita, dalla pipeline dei dati al fine-tuning e all'architettura di retrieval, fino al monitoraggio, al controllo dei costi e alla verificabilità in sede di audit. Attualmente seguo 18 casi d'uso in produzione su Azure Switzerland North e gestisco l'inventario AI secondo l'EU AI Act e la norma ISO/IEC 42001.
Cosa mi distingue
Architettura RAG con qualità delle risposte misurabile: Costruisco pipeline di retrieval con ricerca ibrida, reranking e strategie di chunking, e ne documento la qualità con set di ground-truth e metriche RAGAS invece che con semplici demo di prompt: tasso di allucinazione ridotto dal 12 al 3 percento.
MLOps dal notebook all'SLA: Addestramento dei modelli, model registry, deployment canary e monitoraggio del drift passano attraverso pipeline CI/CD con MLflow e Argo CD; il percorso dall'esperimento all'endpoint in produzione richiede 4 giorni invece di 6 settimane.
Gestione dei dati secondo i requisiti svizzeri: Esperienza nella residenza dei dati in regioni cloud svizzere, pseudonimizzazione secondo la nLPD e requisiti FINMA per l'esternalizzazione; tre progetti bancari hanno superato la revisione interna dei rischi senza correzioni.
Trasparenza dei costi per token e previsione: Calcolo ogni caso d'uso in CHF per 1'000 richieste, combino small language model con caching e quantizzazione, riducendo così un budget annuo da CHF 430'000 a CHF 90'000.
Risultati principali
Assistente sinistri per 240'000 documenti. Realizzato un assistente RAG per la gestione sinistri di un'assicurazione: 240'000 documenti indicizzati, tempo di lavorazione per caso ridotto da 14 a 6 minuti, tasso di accettazione da parte degli utenti dell'87 percento dopo 6 mesi su 210 gestori sinistri.
Previsione della domanda per 1,2 milioni di combinazioni. Sviluppata una piattaforma di forecasting per il retail: MAPE migliorato dal 18 all'11 percento, scoring batch notturno di 1,2 milioni di combinazioni articolo-filiale in 35 minuti, perdite di merce ridotte di CHF 1,4 milioni all'anno.
Dimostrazione di governance senza fermare i progetti. Costruito un inventario AI con 18 casi d'uso secondo le classi di rischio dell'EU AI Act e preparato la certificazione ISO/IEC 42001; audit esterno con 0 non conformità maggiori, processo di approvazione per nuovi casi d'uso ridotto da 8 a 3 settimane.
Esperienza professionale
Senior AI Engineer — Alpstein Intelligence AG, Zurigo, dal 03/2022
Team AI di dodici persone; servizi LLM e ML in produzione per assicurazioni e banche, ospitati su Azure Switzerland North.
- Costruita una piattaforma RAG con ricerca ibrida e reranking: tempo di risposta medio ridotto da 9 a 1,8 secondi, tasso di allucinazione dal 12 al 3 percento
- Costi di inferenza per 1'000 richieste ridotti da CHF 4.20 a CHF 0.90 tramite caching, routing e quantizzazione, risparmio annuo di CHF 340'000
- Istituita una pipeline MLOps con MLflow, Kubernetes e Argo CD: ciclo di deployment ridotto da 6 settimane a 4 giorni, 18 modelli in esercizio con monitoraggio del drift
- Formati 3 junior engineer e introdotto uno standard di code review, quota di pipeline testate aumentata dal 45 al 92 percento
Machine Learning Engineer — Limmat Analytics AG, Zugo, 08/2019 - 02/2022
Piattaforma dati per clienti retail e logistica su Databricks; responsabilità per i modelli di forecasting e personalizzazione.
- Sviluppata una previsione della domanda con gradient boosting e reconciliation gerarchica: MAPE migliorato dal 18 all'11 percento
- Costruito un feature store per 2 TB di dati di vendita, riutilizzo delle feature su 6 modelli, tempo di training ridotto da 5 ore a 40 minuti
- Validato un modello di raccomandazione in A/B test con 180'000 utenti: aumento del fatturato per sessione del 4,5 percento con latenza stabile sotto i 120 ms
- Introdotta una dashboard di monitoraggio della qualità dei dati, guasti della pipeline al mese ridotti da 7 a 1
Data Scientist (Computer Vision) — Vorai Systems GmbH, San Gallo, 09/2017 - 07/2019
Elaborazione industriale delle immagini per fornitori del settore medtech; deployment edge direttamente sulle linee di produzione.
- Addestrati modelli CNN per il rilevamento di difetti su 45'000 immagini annotate: F1-score 0,94, tasso di scarto ridotto del 22 percento
- Distribuiti modelli su 6 linee di produzione tramite NVIDIA Jetson, tempo di inferenza di 40 ms per immagine a 1'800 pezzi all'ora
- Dimezzato il processo di annotazione con active learning: impegno di labeling ridotto da 320 a 150 ore per versione del modello
- Redatta la documentazione di validazione per clienti regolamentati, seguiti 2 audit di clienti senza rilievi
Formazione
Master of Science ETH, Data Science — ETH Zurigo · 2017
Bachelor of Science SUP, Informatica, indirizzo Data Engineering — FHNW Brugg-Windisch · 2015
CAS, Machine Learning and Data Science — Scuola universitaria di Lucerna (HSLU) · 2021
Microsoft Certified: Azure AI Engineer Associate (AI-102), 2023 · Databricks Certified Machine Learning Professional, 2022 · ISO/IEC 42001 Lead Implementer (sistema di gestione AI), 2024 · AWS Certified Machine Learning - Specialty, 2020