INFO CANDIDATO
DETTAGLIO CV
Profilo Candidato
Data Scientist specializzato in intelligenza artificiale applicata al settore sanitario. Competenze avanzate in Machine Learning, Deep Learning e NLP. Orientato alla gestione di team e alla delivery di soluzioni AI end-to-end, con forte attitudine alla pre-sales e alla relazione con i clienti.
Studi, Corsi, Certificazioni, Lingue conosciute
2024 - 2025
International Master in Data Science
Rome Business School, Italia
Parole chiave: Data Science, Machine Learning, Deep Learning, IA, NLP, Analisi dei dati
2020 - 2023
Licence en Informatique Décisionnelle
FSEG Jendouba, Tunisia
Parole chiave: Business Intelligence, ETL, Data Visualisation, Machine Learning, Statistica, Data Mining
COMPETENZE TECNICHE
Data Science & ML
Python, Scikit-learn, TensorFlow, PyTorch, Pandas, NumPy, Matplotlib
Deep Learning & NLP
LSTM, CNN, BERT, BioBERT, Transformer, Keras, HuggingFace
MLOps & Cloud
Azure Machine Learning, Azure Container Instances, Azure API Management, MLflow, Git
BI & Reporting
Power BI, DAX, Power Query
Algoritmi Avanzati
Random Forest, XGBoost, Linear Regression, Feature Engineering
Metodologie
Scrum Agile, MLOps, Data Governance, AI Governance, Pre-Sales
LINGUE
Arabo: madrelingua
Francese: fluente (C1)
Inglese: professionale (B2)
Italiano: intermedio (B1)
Esperienze di Lavoro
Febbraio 2026 - Presente
Responsabile della Scienza dei Dati | Altea Tech | Roma, Italia
Supervisione del team Data Science e gestione end-to-end dei progetti AI, dalla raccolta dei requisiti fino al deploy in produzione.
Coordinamento del team di Data Science: definizione della roadmap tecnica e degli obiettivi strategici allineati alla visione aziendale.
Gestione completa dei progetti AI/Data: raccolta dei requisiti, pianificazione, delivery e monitoraggio continuo in produzione.
Interfaccia diretta con il management e i clienti per la presentazione dei risultati e la negoziazione degli obiettivi.
Partecipazione attiva alla fase di pre-sales: analisi dei bisogni, redazione di proposte tecniche e commerciali, presentazione delle soluzioni AI.
Sviluppo e ottimizzazione di modelli ML avanzati: Random Forest, XGBoost, LSTM, CNN.
Utilizzo di modelli NLP basati su Transformer (BERT, BioBERT) per l'elaborazione e classificazione di dati non strutturati.
Deploy dei modelli su Microsoft Azure tramite Azure Machine Learning, Azure Container Instances e Azure API Management.
Creazione di dashboard Power BI per il monitoraggio dei KPI e la reportistica per i decision maker.
Definizione e implementazione delle best practice in materia di MLOps e AI Governance.
Tecnologie: Python, Azure ML, BERT, BioBERT, Random Forest, XGBoost, LSTM, CNN, Power BI, MLflow, Git, Scrum Agile
Settembre 2025 - Febbraio 2026
Data Scientist | Algorythm Systems | Roma, Italia
Sviluppo e ottimizzazione di modelli di intelligenza artificiale applicati al settore sanitario (NLP, computer vision, servizi cognitivi).
Implementazione di algoritmi di Machine Learning avanzati: Random Forest, XGBoost per l'analisi predittiva e la classificazione clinica.
Sviluppo di reti neurali profonde (LSTM, CNN) per il riconoscimento di pattern nei dati medici e nelle immagini diagnostiche.
Utilizzo di modelli NLP basati su Transformer (BERT, BioBERT) per l'elaborazione di testi medici e la classificazione automatica di diagnosi.
Progettazione di algoritmi di matching intelligente per la correlazione tra profili pazienti e percorsi terapeutici.
Deploy dei modelli su Microsoft Azure tramite Azure Machine Learning, Azure Container Instances e Azure API Management.
Creazione di dashboard interattive con Power BI per il monitoraggio delle performance dei modelli e la reportistica clinica.
Tecnologie: Python, TensorFlow, PyTorch, BERT, BioBERT, LSTM, CNN, Azure ML, Azure Container Instances, Power BI, Git
Febbraio 2022 - Giugno 2022
Stagista Data Scientist | AsteelFlash Tunisie | Tunisi, Tunisia
Analisi dei dati ambientali di 7 filiali internazionali del gruppo AsteelFlash, con focus su consumi idrici, energetici e tassi di riciclaggio.
Creazione di dashboard interattive con Power BI per la visualizzazione e il monitoraggio dell'intensità d'acqua, energia e indicatori di sostenibilità.
Sviluppo di modelli di regressione e predizione (Random Forest, XGBoost, Linear Regression) per la previsione dei consumi futuri.
Implementazione di modelli di classificazione per categorizzare le filiali in base al loro livello di performance ambientale.
Pre-processing e pulizia dei dati industriali: gestione dei valori mancanti, normalizzazione e feature engineering.
Fornitura di insight actionable al management per supportare le decisioni strategiche in materia di sostenibilità.
Tecnologie: Python, Scikit-learn, Random Forest, XGBoost, Pandas, Power BI, Excel