Senior Deep Learning Expert

Azienda Anonima; Assisi; Hybrid; EUR 90,000 - 130,000; Full time

Job summary

Azienda Anonima cerca un Senior Deep Learning Expert per definire, sviluppare e validare modelli avanzati di analisi di segnali e immagini per Mammowave, test senologico basato su imaging a microonde.

La figura guiderà architetture robuste, integrando dati clinici, segnali elettromagnetici e principi fisici, con attenzione a stabilità tra dispositivi e centri ospedalieri.

Qualifications

• Abilità avanzate in Deep Learning e ML applicato a imaging/bio-medical signals.
• Conoscenza di PyTorch e TensorFlow/Keras.
• Architetture CNN, Transformer, autoencoder e transfer learning.
• Esperienza con training su GPU e ottimizzazione performance.
• Conoscenza di preprocessing, feature extraction e denoising.
• Conoscenza di Python, Git, CI/CD e pratiche MLOps.

Responsibilities

• Progettare, addestrare e validare modelli per analisi segnali e immagini.
• Sviluppare self-supervised e representation learning.
• Valutare transformer e architetture ibride per dati tempo/frequenza.
• Gestire domain adaptation e generalizzazione tra siti clinici.
• Collaborare con team multidisciplinari per tradurre requisiti clinici.

Skills

Deep Learning

PyTorch

TensorFlow

CNNs

Transformer

Signal Processing

MLOps

GPU Computing

Italian

English

Domain Adaptation

Python

Tools

Git

CI/CD

Jupyter

Job description

Mission

Per azienda biomedica all'avanguardia che sviluppa e commercializza dispositivi innovativi per l’imaging medico basati sulla tecnologia a microonde, stiamo cercando 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 innovativo, 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).