Senior Deep Learning Expert

Vedi l’offerta su Go Lavoro: golavoro.it/annuncio-lavoro/8fpplc

UBT è un’azienda biomedica all'avanguardia, già attiva nello sviluppo e nella commercializzazione di dispositivi innovativi per l’imaging medico basati sulla tecnologia a microonde, nata nel 2015 come spin off accademico del Dipartimento di Fisica e Geologia dell’Università degli Studi di Perugia.

UBT è oggi alla ricerca di un Senior Deep Learning Expert che, a diretto riporto dell’ IT, Cloud Computing & AI Manager, definisca, sviluppi e validi modelli avanzati per l’analisi dei segnali e delle immagini, per evolvere continuamente le performance di Mammowave, il primo test senologico al mondo basato su imaging a microonde.

La figura avrà un ruolo centrale nello sviluppo di architetture deep learning robuste e generalizzabili, capaci di integrare dati clinici, segnali elettromagnetici e conoscenza fisica del dominio, con particolare attenzione alla stabilità tra dispositivi, studi clinici e centri ospedalieri.

Principali responsabilità

· Sviluppo di modelli deep learning – Progettare, addestrare e ottimizzare architetture neurali per classificazione, rappresentazione latente, ricostruzione e feature extraction su segnali di imaging a microonde e dati clinici.

· Self-supervised learning e representation learning – Sviluppare encoder, autoencoder e modelli basati su masking per apprendere rappresentazioni robuste da dati etichettati e non etichettati, seguite da fine-tuning supervisionato.

· Transformer e architetture avanzate – Valutare e implementare transformer, reti convoluzionali, encoder-decoder e architetture ibride per dati multidimensionali nei domini del tempo e della frequenza.

· Analisi avanzata dei segnali – Progettare metodi di filtraggio, denoising, calibrazione, normalizzazione, trasformazione ed estrazione di feature da segnali biomedicali ed elettromagnetici complessi.

· Domain adaptation e generalizzazione – Definire strategie per ridurre bias legati a dispositivo, centro clinico o studio, utilizzando domain adaptation, loss multi-obiettivo, batch design controllato per sito e validazione leave-one-site/group-out.

· Integrazione tra fisica, signal processing e AI – Collaborare con esperti di elettromagnetismo per integrare principi fisici, geometria di acquisizione, trasformazioni tempo-frequenza e vincoli di dominio nelle architetture deep learning.





· Collaborazione multidisciplinare – Lavorare a stretto contatto con team internazionali clinici, ingegneristici e di R&D; per tradurre le esigenze cliniche in specifiche tecniche e integrare soluzioni AI nell’ecosistema prodotto. Tradurre i requisiti clinici e di business in risultati concreti, valutando costantemente l’impatto clinico ed economico delle tecnologie sviluppate.

Competenze chiave

· Esperienza consolidata – Almeno 5 anni di esperienza applicata in Deep Learning e Machine Learning, preferibilmente in medical imaging, biomedical signal processing, dispositivi medici o ricerca clinica.

· Framework deep learning – Padronanza di Python e di almeno uno dei principali framework, con preferenza per PyTorch; esperienza con TensorFlow/Keras, NumPy, Pandas, Scikit-Learn e Matplotlib.

· Architetture neurali – Esperienza concreta con CNN, transformer, autoencoder, encoder-decoder, transfer learning, fine-tuning, self-supervised learning e metric learning.

· Training avanzato – Conoscenza di loss personalizzate e multi-obiettivo, sampling e batching, gestione dello sbilanciamento, regularization, hyperparameter optimization e training accelerato su GPU.

· Signal processing – Solida conoscenza dell’analisi di segnali multidimensionali nei domini del tempo e della frequenza, incluse FFT, IFFT, analisi spettrale, wavelet, filtraggio digitale e denoising.

· Preprocessing e feature engineering dei segnali – Esperienza con normalizzazione, calibrazione, baseline correction, allineamento, segmentazione, estrazione e selezione di feature; capacità di lavorare con segnali complessi (modulo e fase).

· MLOps e riproducibilità – Conoscenza di Git, code review, CI/CD, experiment tracking, containerizzazione e pipeline configurabili; esperienza con GitHub e documentazione tecnica strutturata.

· Calcolo ad alte prestazioni – Esperienza con GPU, ambienti Linux, HPC o cloud computing e capacità di ottimizzare memoria,



velocità e parallelizzazione dei workflow.

· Lingue: Italiano e inglese fluente, con capacità di presentare risultati tecnici a interlocutori scientifici, clinici e aziendali.

Nice-to-have

· Pubblicazioni scientifiche o contributi a progetti di ricerca in deep learning, medical imaging, biomedical engineering o signal processing.

· Esperienza con Variational Autoencoder, Diffusion Model, GAN, Generative AI, o Generative Transformer.

· Esperienza nella generazione di dati sintetici biomedicali e nella generazione o ricostruzione di immagini a partire da segnali fisici complessi.

· Familiarità con le normative di settore (ISO 13485, FDA, GDPR) e principi di qualità dei dispositivi medici, utile per sviluppare soluzioni conformi agli standard regolatori.

· Esperienza nell’integrazione di modelli AI in software destinato a dispositivi medici.

· Esperienza con dataset multicentrici, longitudinali o provenienti da dispositivi diversi.

· Esperienza con segnali a radiofrequenza.

Stiamo cercando

- Rigore scientifico e pensiero critico – capacità di mettere in discussione metriche, individuare bias e progettare esperimenti verificabili.
- Autonomia e ownership – capacità di trasformare obiettivi di ricerca in piani sperimentali, codice riproducibile e risultati documentati.
- Integrità e trasparenza – capacità di costruire relazioni di fiducia sia internamente che con partner e stakeholder esterni.
- Resilienza e passione – motivazione ad affrontare problemi di ricerca complessi e contribuire a un progetto altamente creativo, che può essere realizzato solo da chi crede davvero nel sogno che stiamo perseguendo.

Luogo: Assisi, Italia.

Modalità di lavoro: ibrida, secondo quanto previsto dalla policy aziendale di smart working vigente.

Inquadramento previsto: La posizione è inquadrata al 3° livello del CCNL Commercio, Distribuzione e Servizi. L'esatta attribuzione all'interno della fascia retributiva sarà determinata sulla base di criteri oggettivi, trasparenti e neutrali sotto il profilo del genere (nel rispetto della normativa vigente).

L'Azienda garantisce (ai sensi del D.Lgs 198/2006, D.Lgs.215/2003 e D.Lgs.216/2003) pari opportunità di accesso al lavoro a tutt* i/le candidat* e si impegna a favorire il rispetto delle diversità e l’inclusione sul posto di lavoro.

Vedi l’offerta su Go Lavoro: golavoro.it/annuncio-lavoro/8fpplc