Mipu Predictive School è un ente formativo certificato che da anni supporta aziende e professionisti nel portare l#39;intelligenza artificiale e le tecniche predittive nel mondo dei processi industriali. Siamo alla ricerca di una/un Faculty Member che possa contribuire all#39;insegnamento e allo sviluppo dei nostri corsi di Intelligenza Artificiale Industriale, lavorando a stretto contatto con un team giovane, dinamico e innovativo. Cosa farai? Insegnare nei corsi di formazione per professionisti e aziende, con un focus sull#39;utilizzo dell#39;intelligenza artificiale nei processi industriali. Progettare e sviluppare contenuti didattici, esercitazioni pratiche e casi studio per rendere i corsi sempre più applicabili al contesto industriale. Collaborare con esperti di settore e aziende partner per garantire che i programmi formativi siano allineati alle esigenze del mercato. Supportare i partecipanti nel percorso di apprendimento, rispondendo a domande e fornendo approfondimenti tecnici. Aggiornare e innovare l’offerta formativa, includendo le ultime tecnologie e metodologie di intelligenza artificiale industriale. Competenze e tecniche richieste Il/la candidato/a ideale dovrà possedere una solida conoscenza ed esperienza di utilizzo dell#39;AI in ambito industriale Chiediamo di dettagliare nella candidatura in quali tra le seguenti tecniche ti senti esperto, indicando in scala da 1 a 10 quanto le conosci, e quanto le hai usate. Machine Learning e Deep Learning Modelli avanzati di regressione e classificazione (XGBoost, LightGBM, CatBoost). Architetture neurali avanzate : Transformer, Vision Transformers (ViT), Graph Neural Networks (GNN). Few-shot e Zero-shot Learning per contesti industriali con dataset limitati. Self-supervised Learning per migliorare la generalizzazione dei modelli industriali. Federated Learning per applicazioni industriali con vincoli di privacy e distribuzione dei dati. Explainable AI (XAI) e interpretabilità dei modelli Metodi basati su feature importance (SHAP, LIME, Permutation Importance). Tecniche di visualizzazione per modelli di deep learning (Grad-CAM, Integrated Gradients, Layer-wise Relevance Propagation). Metodologie di audit dei modelli AI per garantire robustezza e trasparenza nei processi industriali. Large Language Models (LLM) e NLP Industriale Utilizzo di LLM (GPT, BERT, T5, LLaMA) per l#39;automazione di processi industriali. Retrieval-Augmented Generation (RAG) per applicazioni di AI conversazionale nell’industria. Modelli per il processamento di documenti industriali (OCR + NLP per la lettura automatizzata di manuali tecnici). Fine-tuning di modelli linguistici su dati industriali specifici. Embedding e vettorializzazione del linguaggio con tecniche avanzate per la ricerca e l#39;analisi delle informazioni. Manutenzione Predittiva e Analisi delle Serie Temporali Modelli classici di forecasting (ARIMA, SARIMA, Prophet). Transformer per serie temporali (Temporal Fusion Transformer, Informer). Hybrid AI approaches che combinano machine learning e modelli fisici per la manutenzione predittiva. Bayesian Deep Learning per quantificare l’incertezza nelle previsioni industriali. Fault Detection Root Cause Analysis basati su AI per ridurre i tempi di fermo macchina. Computer Vision e IoT per Industria 4.0 Segmentazione avanzata di immagini industriali (U-Net, Mask R-CNN, SAM). Anomaly Detection visivo basato su autoencoder e GANs. Edge AI e modelli ottimizzati per dispositivi embedded (TensorFlow Lite, ONNX Runtime, Nvidia Jetson). Reti neurali spiking (SNN) e AI neuromorfica per analisi a bassissimo consumo energetico. Data Engineering e Big Data per AI Industriale Data pipeline scalabili con Apache Spark, Dask, Airflow. Architetture di AI distribuita e cloud computing (AWS, GCP, Azure). Data lake e Data mesh per l#39;industria per una gestione ottimizzata dei dati AI-driven. MLOps, Deploy e Ottimizzazione di Modelli AI Containerizzazione e orchestrazione (Docker, Kubernetes). Modelli AI-as-a-Service e API deployment con FastAPI, Flask, TensorFlow Serving. Ottimizzazione dei modelli per inferenza real-time (TensorRT, OpenVINO, DeepSpeed). Gestione e monitoraggio continuo dei modelli AI con MLflow e DVC. Chi cerchiamo? Laurea in Ingegneria, Informatica, Matematica, Fisica o discipline affini. Esperienza pratica avanzata con modelli AI applicati all’industria. Capacità di insegnamento e predisposizione alla divulgazione scientifica e tecnica. Ottima conoscenza della lingua inglese Cosa offriamo? Collaborazione flessibile, da poche ore a qualche giorno/settimana al mese, secondo disponibilità Flessibilità nella gestione dell’orario di lavoro (possibilità di attività in presenza e da remoto). Ambiente innovativo e stimolante, con possibilità di lavorare su progetti di frontiera. Collaborazione con aziende leader nell’Industria 4.0 e nell’AI applicata. Formazione continua e aggiornamento sulle più recenti tecnologie.