AI Engineer · Machine Learning Reply

Nicola
Mastromarino

AI Engineer — GenAI · LLMOps · Cloud-Native

Progetto e implemento architetture cloud-native sicure, pipeline DevSecOps enterprise e sistemi AI avanzati con focus su RAG, LLMOps e fine-tuning di LLM.

Contattami Scarica CV LinkedIn

01 — Profilo

Chi sono

AI Engineer presso Machine Learning Reply, dove sviluppo piattaforme GenAI e architetture agentiche su LLM. Ho un solido background come Cloud Engineer in Nimbus Reply con focus su automazione multi-cloud (Morpheus CMP), DevSecOps e pipeline enterprise.

Parallelamente alla Magistrale in Computer Science (curriculum AI), ho conseguito un master in Generative AI implementando un sistema Clinical Decision Support (CDSS) su note cliniche MIMIC-III. Il progetto integra una pipeline RAG ibrida e il fine-tuning QLoRA di BioMistral-7B.

Il mio profilo è volutamente ibrido: unisco la solidità operativa, l'attenzione alla compliance e alle architetture cloud-native alla profondità tecnica dell'AI engineer. Progetto soluzioni di Intelligenza Artificiale robuste e pronte per la produzione.

Multi-Cloud DevSecOps RAG / LLMOps QLoRA Fine-tuning Morpheus CMP Python Automation CI/CD Enterprise RBAC / IAM Categorie Protette L.68/99

02 — Esperienza

Carriera

Machine Learning Reply

AI Engineer

GenAI · Agentic Workflows · Enterprise Deployment

  • Sviluppata la piattaforma GenAI per la generazione di video promozionali e brandizzati tramite orchestrazione di scene multimediali
  • Progettato un AI Agent su LLM per l'analisi documentale e la compilazione automatica e strutturata delle schede progetto
  • Gestiti i requisiti architetturali e le checklist aziendali per il deployment e la compliance enterprise della soluzione web
Nimbus Reply

Cloud Engineer

Multi-Cloud · DevSecOps · Python Automation

  • Automazione workflow di provisioning tramite Python e Morpheus Data API −70% ops manuali
  • Pipeline di riconciliazione dati tra vCenter, Morpheus CMP, ServiceNow e NSX in ambienti multi-cloud
  • Gestione Secret (Cyphers) e auditing RBAC su piattaforme cloud multi-tenant con focus su sicurezza e conformità enterprise
  • Sviluppo e ottimizzazione pipeline CI/CD e processi DevSecOps in ambienti regolamentati
UniBA · Research

Graduate Research Intern

Computer Vision · Social Robotics · Deep Learning

  • Sviluppo modelli Computer Vision per Facial Expression Recognition real-time su piattaforme di Social Robotics
  • Pipeline completa con OpenCV, TensorFlow, PyTorch: preprocessing, data augmentation, feature extraction
  • Analisi di bias algoritmici e implicazioni etiche nei sistemi AI

03 — Progetti

Lavori significativi

Progetto principale · 2026

Medical RAG Question Answering System

Sistema Clinical Decision Support su note cliniche MIMIC-III. Pipeline RAG ibrida con BM25 + S-PubMedBERT-MS-MARCO, Reciprocal Rank Fusion e Adaptive Query Router. Fine-tuning QLoRA di BioMistral-7B (~21M parametri) su 2× NVIDIA T4 per meccanismi di astensione esplicita (NO_ANSWER). Deployment on-premises con attenzione a EU AI Act e supervisione umana obbligatoria.

BioMistral-7B QLoRA FAISS BM25 S-PubMedBERT Python HuggingFace MIMIC-III
GitHub
+190%
Token F1 vs baselineablation S4
+112%
No-Answer Accuracyvs sistema S1
−40%
Riduzione allucinazionirispetto a baseline
21M
Parametri fine-tunatiQLoRA r=8 α=16

Tesi triennale · 2024

Facial Expression Recognition

Pipeline Computer Vision per FER real-time su piattaforme di Social Robotics. OpenCV + TensorFlow/PyTorch, data augmentation, analisi bias algoritmici su dataset pubblici e ambienti non controllati.

Python OpenCV TensorFlow PyTorch
Codice

Progetto NLP · 2025

FactKG — Graph RAG

Pipeline GraphRAG per fact-verification su 9.041 claim DBpedia con Llama-3 8B quantizzato a 4-bit (accuracy: 0.7350).

Python GraphRAG Llama-3 Knowledge Graph
GitHub

Software Engineering · 2024

Enterprise CI/CD — Battleship

App Java enterprise con architettura modulare e CI/CD completa (GitHub Actions, Docker). Quality assurance con Checkstyle e PMD, documentazione UML, code coverage >90% e deploy automatizzato.

Java Docker GitHub Actions PMD
Codice

04 — Stack

Tecnologie

Cloud & DevOps

GCP AWS Morpheus CMP Docker Kubernetes GitHub Actions Terraform CI/CD DevSecOps multi-cloud

AI & GenAI

RAG Pipelines LLMOps QLoRA BioMistral-7B FAISS BM25 HuggingFace PyTorch TensorFlow Scikit-learn Computer Vision NLP

Sviluppo

Python Java C/C++ SQL Bash REST API MySQL Git

Sistemi & Metodi

Linux Windows Server Networking RBAC IAM Agile SOLID Microservizi

05 — Credenziali

Certificazioni

Google Cloud · Attiva

Cloud Digital Leader

ID: 85b13cfa55e3447d8447dc8253865a57

Google Cloud Skills Boost

Digital Transformation with Google Cloud

ID: 14992713

AWS Educate

Introduction to Cloud 101

EC2 · S3 · VPC · IAM

Pubblicazione · Lug 2026

L'Arte di Rallentare nell'Era dell'Iper-Velocità

Saggio sull'impatto della GenAI su carico cognitivo e deep work.

06 — Formazione

Percorso accademico

Short Master — Generative AI

Università degli Studi di Bari · Supervisore: Prof. M. Polignano

Progetto finale: Medical RAG QA System · pipeline RAG ibrida · fine-tuning QLoRA BioMistral-7B · ablation study S1–S5

Laurea Magistrale — Computer Science

Università degli Studi di Bari "Aldo Moro"

Curriculum AI · ML, Deep Learning, Computer Vision, NLP, Reinforcement Learning

Laurea Triennale — Informatica

Università degli Studi di Bari "Aldo Moro"

Tesi: sistemi di visione artificiale per FER durante interazione con social robot

Parliamone.

Sono aperto a opportunità in architettura cloud, AI/GenAI e ruoli ibridi Cloud+AI. Se il tuo team cerca un profilo tecnico con competenze operative reali, scrivimi.