Machine Learning Engineer | Digital Health

Lutech è il Gruppo leader in Italia e player europeo nel digitale e nell’intelligenza artificiale , con oltre 6.000 professionisti impegnati nello sviluppo di soluzioni innovative per aziende e istituzioni.

In Lutech tecnologia, dati e AI diventano strumenti concreti per trasformare processi, servizi ed esperienze. Attraverso competenze tecnologiche avanzate, ecosistemi digitali integrati e piattaforme AI proprietarie come Lutech BrAIn, il Gruppo accompagna l’evoluzione dell’intelligenza artificiale dall’analisi all’impatto operativo reale, in scenari complessi e internazionali.

Entrare in Lutech significa far parte di una community tecnologica globale , collaborando con team multidisciplinari su sfide reali legate ad AI, cybersecurity, cloud e digital transformation , in un am biente inclusivo e orientato alla crescita , dove competenze, collaborazione e diversità delle esperienze contribuiscono a costruire l’evoluzione tecnologica del futuro.

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

Qui potrai dare valore a competenze come:

• Laurea/minima esperienza in ambito AI e Data Intelligence, con esperienza concreta su progetti data driven
• Conoscenza di modelli e tecniche data-driven: apprendimento supervisionato, non supervisionato e reinforcement learning, Artificial Neural Networks e Deep Learning
• Conoscenza di modelli e tecniche di Generative AI: Large Language Models, embedding, fine-tuning (LoRA/QLoRA, PEFT), Retrieval Augmented Generation, prompt engineering e valutazione dei modelli generativi
• Familiarità con l'integrazione di dati eterogenei end-to-end: dalla normalizzazione e armonizzazione semantica su standard di interoperabilità (es. FHIR, DICOM), fino alle strategie di fusione e allineamento • delle rappresentazioni multimodali (early/late fusion, embedding condivisi) su testo, immagini, dati tabellari e serie temporali.
• Nell’ambito healthcare, conoscenza delle metodologie di modellazione predittiva su dati longitudinali e reali: gestione di dati mancanti e sbilanciati, analisi di sopravvivenza e time-to-event, strategie di validazione interna ed esterna
• Ottima padronanza di Python e dell’ecosistema data science: Pandas, NumPy, Scikit-learn, PyTorch, TensorFlow/Keras, XGBoost, Jupyter Notebook, VS Code/PyCha