Data Scientist / Applied Scientist
Pubblicato il 10-10-2026 - Blexity in Milano
La azienda Laura è un'agenzia assicurativa digitale nata per rendere l'assicurazione auto più immediato, intuitiva e accessibile.
Costruiamo piattaforme proprietarie che connettono app, servizi e dati, trasformando la complessità assicurativa in prodotti digitali concreti.
Entrare nel team tech significa contribuire alle scelte tecniche e allo sviluppo del prodotto, affrontare sfide reali e vedere l'impatto del proprio lavoro sull'esperienza degli utenti.
Missione del ruolo Entrare nel nucleo quantitativo e tecnologico di Laura per trasformare dataset complessi in insight, segnali e modelli predittivi utilizzabili nei processi di pricing, underwriting, portfolio management, antifrode, customer behaviour e nelle future applicazioni data-driven della società.
Non cerchiamo necessariamente esperienza assicurativa.
È anzi preferibile una provenienza da settori scientifici o industriali differenti, nei quali il trattamento quantitativo di dati complessi sia una componente centrale.
Ambiti di provenienza particolarmente interessanti Aerospace e aeronautica.
Space, satellite data, remote sensing ed Earth Observation.
Meteorologia, climate science e modelli ambientali.
Energy e sistemi complessi.
Automotive, autonomous driving e mobility.
Robotics, telecommunications e industrial optimization.
Physics, computational science e applied mathematics.
Computational biology / scientific computing.
Quantitative finance, operations research e geospatial analytics.
Principali attività Analisi esplorativa di dataset strutturati e non strutturati.
Data cleaning, data quality assessment, preprocessing e data preparation.
Feature engineering e feature selection.
Individuazione di pattern, anomalie, cluster, correlazioni e relazioni non lineari.
Sviluppo di modelli statistici, Machine Learning e modelli predittivi.
Segmentazione, clustering,
anomaly detection, time-series e geospatial analysis.
Analisi causale, sperimentazione e model validation.
Costruzione di pipeline riproducibili per training, validation e scoring.
Utilizzo di Deep Learning e foundation models quando appropriato.
Ricerca e sperimentazione con LLM, modelli open source, embeddings e agentic workflows.
Collaborazione con software/data engineer per portare i modelli in produzione e monitorarne le performance.
Formazione e basi scientifiche PhD fortemente preferito in Mathematics, Applied Mathematics, Statistics, Physics, Computer Science, Machine Learning, Engineering, Computational Science, Operations Research, Econometrics o disciplina quantitativa equivalente.
Solida padronanza di probabilità, statistica, inferenza, regressione, optimization, machine learning, validation, experimental design e gestione dell'incertezza.
Cerchiamo una base matematica/statistica reale, non un profilo che utilizzi soltanto librerie o strumenti preconfezionati.
Competenze tecnologiche Python, NumPy, Pandas e/o Polars.
Scikit-learn, PyTorch e moderni framework ML/DL.
SQL e gestione di dataset di grandi dimensioni.
Git e buone pratiche di sviluppo riproducibile.
Molto apprezzati: XGBoost / LightGBM / CatBoost, JAX, Spark, DuckDB, MLflow, Ray, Databricks, Snowflake, cloud AWS/GCP/Azure, Docker/Kubernetes e GPU computing.
Familiarità concreta con LLM, transformer, embeddings, vector database, AI coding tools, model evaluation, fine-tuning/adaptation e synthetic data.
Profilo personale Cerchiamo uno "scientist who codes": una persona curiosa, sperimentale e quantitativa, capace di formulare ipotesi, costruire modelli, testarle rigorosamente e trasformare ricerca e dati in soluzioni utilizzabili.
La capacità di apprendere rapidamente nuovi metodi e strumenti è più importante dell'aver già lavorato nel settore assicurativo.