N. 1 Tempo Determinato per Data Scientist Junior da inserire nell'ambito dell'Unità Operativa DWH E

N. 1 Tempo Determinato per Data Scientist Junior da inserire nell'ambito dell'Unità Operativa DWH E INNOVAZIONI DIGITALI IN SANITA'
Azienda FONDAZIONE POLICLINICO UNIVERSITARIO AGOSTINO GEMELLI IRCCS Sede Roma, Italia Professione/ Funzione Ricerca

La Fondazione Policlinico Universitario Agostino Gemelli IRCCS , World's Best Hospital per il quarto anno consecutivo secondo la classifica Newsweek e unico italiano nella top 40 a livello mondiale.

La sua Mission è quella di affermarsi nelle seguenti aree di maggior rilievo:

Innovazione, Cura, Ricerca e Solidarietà

La Fondazione Policlinico Universitario Agostino Gemelli IRCCS è alla ricerca di persone con spirito d'iniziativa e capacità innovative, approccio alla multidisciplinarietà e al lavoro di gruppo , con voglia di intraprendere un percorso insieme nell'eccellenza professionale sanitaria in un contesto sfidante ed internazionale.

La Fondazione Policlinico Universitario Agostino Gemelli IRCCS si impegna ad attrarre ed assumere persone con diversi background e abilità, perseguendo la parità di genere in fase di selezione attraverso l'individuazione di una rosa di candidati/candidate tendenzialmente paritetica uomo-donna, valorizzando la meritocrazia, considerando esperienze, capacità e competenze criteri guida nella scelta dei/delle migliori candidati/candidate.

Nel mese di dicembre 2025 la Fondazione ha conseguito la Certificazione per la Parità di Genere , riconoscimento che attesta il concreto impegno della struttura nel promuovere un ambiente di lavoro equo, inclusivo e orientato alla valorizzazione di tutte le professionalità

Posizione
Sei pronto/a a metterti in gioco?

La risorsa sarà coinvolta nello sviluppo, nell'analisi e nella validazione di soluzioni di Artificial Intelligence e Machine Learning a supporto della ricerca, dell'analisi dei dati, della predizione e dei sistemi di supporto decisionale (decision support system) in ambito sanitario e biomedicale.

Il ruolo offre l'opportunità di lavorare su progetti di ricerca applicata nell'ambito del Machine Learning e del Deep Learning e, progressivamente, di tecnologie quali multimodal learning e Generative AI, all'interno di un ambiente multidisciplinare e orientato alla ricerca.

La risorsa lavorerà con dati eterogenei e multimodali, che possono includere imaging, segnali fisiologici, dati clinici strutturati, serie temporali, testo e altre fonti di dati biomedicali.

In collaborazione con ricercatori senior, data scientist, clinici e altri stakeholder, e sotto la supervisione di figure senior, la risorsa si occuperà in particolare di:

supportare lo sviluppo e la validazione di modelli di AI, Machine Learning e Deep Learning

preparare, analizzare e integrare dati provenienti da fonti eterogenee, contribuendo allo sviluppo di pipeline di preprocessing e machine learning

implementare ed eseguire esperimenti di Machine Learning utilizzando framework e librerie Python

supportare attività di feature engineering, model selection, hyperparameter optimization e model evaluation

contribuire alla valutazione delle performance, della robustezza e della capacità di generalizzazione dei modelli sviluppati

contribuire alla documentazione e alla disseminazione dei risultati, anche attraverso report tecnici, presentazioni e, ove applicabile, pubblicazioni scientifiche

La risorsa avrà accesso a dataset complessi e multimodali e a infrastrutture di calcolo dedicate, incluse risorse GPU.

Titolo di studio

Laurea Magistrale in Data Science, Informatica, Computer Science, Fisica, Matematica, Ingegneria o discipline STEM affini

Conoscenze e competenze

Conoscenze di base/intermedie di Machine Learning e Deep Learning, maturate attraverso studi universitari, tesi, progetti di ricerca o esperienze professionali

Buona conoscenza di Python e dei principali strumenti dell'ecosistema scientifico e AI/ML (preferibilmente NumPy, pandas e scikit-learn)

Conoscenza dei principali concetti di data preprocessing, feature engineering, model selection, hyperparameter optimization e model evaluation

Familiarità con i concetti di overfitting, generalizzazione, data leakage e bias

Esperienza accademica o progettuale in almeno una delle seguenti aree: Machine Learning, Deep Learning, NLP o Generative AI, preferibilmente in ambito sanitario

Buona conoscenza della lingua inglese scritta e parlata

Costituiscono titolo preferenziale

Conoscenza di Deep Learning e architetture neurali

Familiarità con Transformers, foundation models, self-supervised learning o modelli multimodali

Conoscenza di base di LLM, prompt engineering, RAG, embeddings o fine-tuning

Esperienza accademica o progettuale nell'ambito NLP

Conoscenza di strumenti di sviluppo e collaborazione quali Git e Docker

Esperienza in ambito biomedicale, sanitario o scientifico, anch