TXT E-TECH, parte del Gruppo TXT, è alla ricerca di una figura da inserire per un'opportunit di stage curricolare/tesi nella sede di Cologno Monzese (MI). La tesi si svolger all'interno del team Advanced Geospatial AI e sar focalizzata sulla progettazione di pipeline scalabili per dati geospaziali e sullo sviluppo di modelli basati su Vision Transformer (ViT) per l’analisi semantica di immagini satellitari. Inoltre, la figura selezionata contribuir allo sviluppo di workflow GeoAI end?to?end, comprendenti ingestione e governance di dataset su larga scala, fine?tuning di foundation model (es. DINOv3), architetture multi?task per la segmentazione delle impronte degli edifici e la stima dell’altezza, oltre a pipeline di post?processing topologico per la generazione di dati vettoriali. La ricerca supporter applicazioni industriali quali generazione di terrain database per simulatori di volo, piattaforme di mission planning UAV, digital twin urbani e sistemi di urban analytics, integrando data engineering, deep learning, geometria computazionale e remote sensing in un contesto applicativo reale. Principali responsabilit : Progettazione e implementazione di pipeline scalabili per l’ingestione e il preprocessing di immagini satellitari, Fine?tuning e validazione di modelli di segmentazione semantica basati su Vision Transformer, Sviluppo di architetture multi?task per segmentazione delle impronte degli edifici e stima dell’altezza, Implementazione di algoritmi di post?processing topologico per la conversione raster?vettore, Valutazione, benchmarking e validazione dei modelli su scenari geografici eterogenei, Collaborazione con il team R&, D per l’integrazione dei modelli AI in piattaforme geospaziali industriali. Competenze tecniche richieste: Conoscenza di Python, Conoscenza di framework di Deep Learning (PyTorch o TensorFlow), Fondamenti di Computer Vision, Comprensione delle architetture di semantic segmentation. Nice to Have: Conoscenza base dei formati geospaziali (GeoTIFF, Shapefile, raster/vector), Esperienza con librerie come GDAL, Rasterio, GeoPandas o equivalenti, Esperienza con Vision Transformer e foundation model (DINO, MAE, ecc.), Conoscenza di modelli multi?task o di regressione, Geometria computazionale e teoria dei grafi, Esperienza con PostGIS o database spaziali, Familiarit con pratiche MLOps e dataset governance, Esperienza con terrain database o ambienti di simulazione di volo. Completano il profilo una buona attitudine al lavoro in team, un profilo orientato al raggiungimento degli obiettivi, un pensiero analitico e una buona conoscenza della lingua inglese. Formazione: Studente in discipline STEM, preferibilmente in informatica o ingegneria informatica. Perchè scegliere TXT? Opportunit di carriera in un'azienda in rapida crescita e in profondo cambiamento, con personale giovane e internazionale, Formazione su temi legati all'attivit svolta, Corporate Benefits (Ticket Restaurant, scontistiche come dipendente del gruppo), Teamworking: Opportunit di collaborare con persone di grande talento e passione in un processo di sviluppo altamente professionale, Modalit di lavoro ibrida. Posizione aperta a candidature senza distinzione di genere, ai sensi del D.Lgs. 198/2006. L'azienda promuove le pari opportunit e valorizza la diversit in tutte le sue forme.