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.

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