MAW S.p.A. Divisione Search & Selection, Polo di Milano Corso Lodi, per solida realtà operante nel settore dell'ispezione industriale ad alta tecnologia, ricerca un/una:

È pronto/a a candidarsi? Si assicuri di aver compreso tutte le responsabilità e i compiti associati a questo ruolo prima di procedere.

La risorsa verrà inserita all'interno del team Data Science e contribuirà allo sviluppo di soluzioni innovative basate su Computer Vision, Machine Learning e analisi di immagini multispettrali, collaborando attivamente all'implementazione e al miglioramento degli algoritmi proprietari.

Principali responsabilità

Sviluppo di algoritmi di Computer Vision per l'analisi e la classificazione di immagini provenienti da sistemi di ispezione industriale;

Acquisizione, pulizia, organizzazione e labeling dei dati per la creazione di dataset di elevata qualità;

Sviluppo, gestione e ottimizzazione di pipeline di Machine Learning;

Analisi critica delle performance degli algoritmi, test e validazione in ambiente produttivo;

Sviluppo di codice efficiente,



documentato e integrato all'interno delle repository aziendali;

Collaborazione con team multidisciplinari utilizzando strumenti di project management.

Laurea Magistrale in Matematica, Fisica, Informatica, Ingegneria o discipline STEM affini;

Esperienza di 1-2 anni nel ruolo oppure neolaureati con resistente interesse per il settore;

Ottima conoscenza di Python;

Conoscenza di tecniche di analisi dati, statistica e Machine Learning;

Buona conoscenza teorica e pratica di algoritmi di Deep Learning.

Costituiscono titolo preferenziale:

Conoscenza delle librerie Python dedicate alla Data Science (NumPy, Pandas, Scikit-learn, TensorFlow);

Esperienza in Image Processing e Computer Vision (CNN);

Conoscenza dell'elaborazione di immagini multispettrali o del signal processing;

Familiarità con Git e strumenti di versionamento del codice;

Pubblicazioni scientifiche o progetti personali inerenti all'Intelligenza Artificiale.

Sede

📌 DATA SCIENTIST (Milano)
🏢 Maw
📍 Milano