Senior deep learning expert

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

PbMission /b /ppPer azienda biomedica all'avanguardia che sviluppa e commercializza dispositivi innovativi per l’imaging medico basati sulla tecnologia a microonde, stiamo cercando un bSenior Deep Learning Expert /b 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 bMammowave /b, il primo test senologico al mondo basato su imaging a microonde. /ppLa 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. /ppbPrincipali responsabilità /b /pullibSviluppo di modelli deep learning /b – Progettare, addestrare e ottimizzare architetture neurali per classificazione, rappresentazione latente, ricostruzione e feature extraction su segnali di imaging a microonde e dati clinici. /lilibSelf-supervised learning e representation learning /b – Sviluppare encoder, autoencoder e modelli basati su masking per apprendere rappresentazioni robuste da dati etichettati e non etichettati, seguite da fine-tuning supervisionato. /lilibTransformer e architetture avanzate /b – Valutare e implementare transformer, reti convoluzionali, encoder-decoder e architetture ibride per dati multidimensionali nei domini del tempo e della frequenza. /lilibAnalisi avanzata dei segnali /b – Progettare metodi di filtraggio, denoising, calibrazione, normalizzazione, trasformazione ed estrazione di feature da segnali biomedicali ed elettromagnetici complessi. /lilibDomain adaptation e generalizzazione /b – 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. /lilibIntegrazione tra fisica, signal processing e AI /b – Collaborare con esperti di elettromagnetismo per integrare principi fisici, geometria di acquisizione, trasformazioni tempo-frequenza e vincoli di dominio nelle architetture deep learning. /lilibCollaborazione multidisciplinare /b – Lavorare a stretto contatto con team internazionali clinici, ingegneristici e di RD 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. /li /ulpbCompetenze chiave /b /pullibEsperienza consolidata /b – Almeno 5 anni di esperienza applicata in Deep Learning e Machine Learning, preferibilmente in medical imaging, biomedical signal processing, dispositivi medici o ricerca clinica. /lilibFramework deep learning /b – Padronanza di Python e di almeno uno dei principali framework, con preferenza per PyTorch; esperienza con TensorFlow/Keras, NumPy, Pandas, Scikit-Learn e Matplotlib. /lilibArchitetture neurali /b – Esperienza concreta con CNN, transformer, autoencoder, encoder-decoder, transfer learning, fine-tuning, self-supervised learning e metric learning. /lilibTraining avanzato /b – Conoscenza di loss personalizzate e multi-obiettivo, sampling e batching, gestione dello sbilanciamento, regularization, hyperparameter optimization e training accelerato su GPU. /lilibSignal processing /b– Solida conoscenza dell’analisi di segnali multidimensionali nei domini del tempo e della frequenza, incluse FFT, IFFT, analisi spettrale, wavelet, filtraggio digitale e denoising. /lilibPreprocessing e feature engineering dei segnali /b – Esperienza con normalizzazione, calibrazione, baseline correction, allineamento, segmentazione, estrazione e selezione di feature; capacità di lavorare con segnali complessi (modulo e fase). /lilibMLOps e riproducibilità /b – Conoscenza di Git, code review, CI/CD, experiment tracking, containerizzazione e pipeline configurabili; esperienza con GitHub e documentazione tecnica strutturata. /lilibCalcolo ad alte prestazioni /b– Esperienza con GPU, ambienti Linux, HPC o cloud computing e capacità di ottimizzare memoria, velocità e parallelizzazione dei workflow. /lilibLingue /b: Italiano e inglese fluente, con capacità di presentare risultati tecnici a interlocutori scientifici, clinici e aziendali. /li /ulpbNice to have /b /pulliPubblicazioni scientifiche o contributi a progetti di ricerca in deep learning, medical imaging, biomedical engineering o signal processing. /liliEsperienza con Variational Autoencoder, Diffusion Model, GAN, Generative AI, o Generative Transformer. /liliEsperienza nella generazione di dati sintetici biomedicali e nella generazione o ricostruzione di immagini a partire da segnali fisici complessi. /liliFamiliarità con le normative di settore (ISO 13485, FDA, GDPR) e principi di qualità dei dispositivi medici, pratico per sviluppare soluzioni conformi agli standard regolatori. /liliEsperienza nell’integrazione di modelli AI in software destinato a dispositivi medici. /liliEsperienza con dataset multicentrici, longitudinali o provenienti da dispositivi diversi. /liliEsperienza con segnali a radiofrequenza. /li /ulpbStiamo cercando: /b /pullibRigore scientifico e pensiero critico /b – capacità di mettere in discussione metriche, individuare bias e progettare esperimenti verificabili. /lilibAutonomia e ownership /b – capacità di trasformare obiettivi di ricerca in piani sperimentali, codice riproducibile e risultati documentati. /lilibIntegrità e trasparenza /b – capacità di costruire relazioni di fiducia sia internamente che con partner e stakeholder esterni. /lilibResilienza e passione /b – motivazione ad affrontare problemi di ricerca complessi e contribuire a un progetto altamente innovativo, che può essere realizzato solo da chi crede davvero nel sogno che stiamo perseguendo. /li /ulpbLuogo /b: Assisi, Italia. /ppbModalità di lavoro /b: ibrida, secondo quanto previsto dalla policy aziendale di smart working vigente. /ppbInquadramento previsto /b: 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). /p #J-18808-Ljbffr

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