Machine Learning Engineer | Digital Health

MAKE AN IMPACT WITH YOUR TECH SKILLS WHERE THEY TRULY METTER

Per il rafforzamento del dell'area R&D: "Head of Public Sector AI Transformation HUB” di Roma cerchiamo profili di ML Engineer da inserire nei nostri progetti di Ricerca e Sviluppo in ambito AI e Data Intelligence, finalizzata alla realizzazione di soluzioni e servizi innovativi per domini ad alta intensità informativa, dall’healthcare alla document intelligence.

Avrai l'opportunità di lavorare su AI multimodale e generativa, modelli predittivi a supporto della decisione, interoperabilità semantica dei dati e industrializzazione dei modelli AI, con un focus sull’elaborazione di fonti dati eterogenee, strutturate e non strutturate.

In questo ruolo:

• Contribuirai ai risultati e ai deliverable previsti nei work package dei progetti di R&S, producendo prototipi funzionali e nuova conoscenza per il team
• Adotterai un approccio scientifico e sistematico per proporre soluzioni innovative, replicabili e trasferibili tra domini applicativi diversi
• Farai parte del processo di applicazione della data intelligence nei progetti di trasformazione digitale, in ambito healthcare, document intelligence e non solo
• Contribuirai alla progettazione dei flussi di acquisizione, normalizzazione e armonizzazione semantica dei dati, nel rispetto degli standard di interoperabilità internazionali (es. FHIR, DICOM)
• Svilupperai e validerai modelli di AI con attenzione a robustezza, generalizzabilità, controllo dei bias e spiegabilità dei risultati
• Collaborerai con il gruppo di lavoro e con gli stakeholder di dominio per comprendere le sfide quotidiane e individuare i problemi che i progetti e i prodotti innovativi devono risolvere
• Accompagnerai i modelli dal prototipo di ricerca alla messa in esercizio, progettando pipeline riproducibili e automatizzate insieme a team multidisciplinari
• Presidierai il ciclo di vita delle soluzioni rilasciate: versionamento, automazione del rilascio, monitoraggio delle performance, aggiornamento e retraining dei modelli, con attenzione a scalabilità, costi e sostenibilità nel tempo