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 *****, FDA, GDPR) e principi di qualità dei dispositivi medici, utile 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 creativo, 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-*****-Ljbffr

📌 Senior Deep Learning Expert (Assisi)
🏢 Azienda Anonima
📍 Assisi