Data Scientist
Pubblicato il 21-08-2026 - Niuma in Milano
Per rilevante progetto presso un primario Cliente operante nel settore Financial Services, siamo alla ricerca di una figura di Data Scientist da inserire all'interno di un contesto dinamico e tecnologicamente avanzato.
La risorsa sarà coinvolta nello sviluppo di modelli predittivi e soluzioni di ottimizzazione a supporto dei processi di business, lavorando su grandi volumi di dati e collaborando con team di Data Engineering e Software Engineering.
La persona avrà l'opportunità di lavorare sull'intero ciclo di vita delle soluzioni di Machine Learning, dalla preparazione e analisi dei dati fino allo sviluppo, implementazione e monitoraggio dei modelli.
Requisiti richiesti:
- Esperienza in ambito Data Science e/o Machine Learning.
- Buona conoscenza di Python e delle principali librerie per l'analisi e la modellazione dei dati, in particolare Pandas e/o Polars.
- Conoscenza dei principali algoritmi e approcci di Machine Learning.
- Esperienza nello sviluppo di modelli predittivi.
- Conoscenza di Git e dei principali principi di Software Engineering.
- Buone capacità analitiche e di problem solving.
- Attitudine a lavorare in team e a collaborare con figure tecniche e di Data Engineering.
- Conoscenza della lingua inglese: B2 o superiore
- Conoscenza della lingua italiana: C1 o superiore
Costituiscono un plus:
- Conoscenza di Time Series e Demand Forecasting.
- Esperienza con XGBoost e/o LightGBM.
- Conoscenza di AWS, in particolare S3, Redshift, Step Functions, EC2/ECS e CloudWatch.
- Conoscenza di metodologie e strumenti di MLOps.
- Esperienza nella progettazione e gestione di data pipeline.
- Conoscenza di DuckDB.
- Conoscenza di strumenti di ottimizzazione matematica, in particolare Gurobi.
- Esperienza o conoscenza di tematiche di Price Optimization e Markdown Optimization.
- Conoscenza di Streamlit e/o Plotly per la realizzazione di dashboard e strumenti di analisi.
Offerta economica e inquadramento
- CCNL Commercio Unica Anpit.
- Il tipo di contratto proposto