Data Scientist / Applied Scientist

Vedi l’offerta su Go Lavoro: golavoro.it/annuncio-lavoro/8dtqwm

Why candidates should join

Laura è una insurtech specializzata nell’assicurazione auto, con un forte orientamento alla tecnologia e ai dati. Il lavoro si concentra quindi sull’applicazione di metodi quantitativi rigorosi a problemi di business concreti. Il team attribuisce ampio valore a una solida preparazione scientifica e cerca una persona capace di ragionare in modo sperimentale, sviluppare modelli con rigore e trasformare la ricerca in soluzioni concretamente utilizzabili.

Si candidi rapidamente per massimizzare le sue possibilità di essere considerato/a per un colloquio. Legga la descrizione completa del lavoro qui sotto.
Company:

Confidential

Why candidates should join

Laura è una insurtech specializzata nell’assicurazione auto, con un forte orientamento alla tecnologia e ai dati. Il lavoro si concentra quindi sull’applicazione di metodi quantitativi rigorosi a problemi di business concreti. Il team attribuisce grande valore a una solida preparazione scientifica e cerca una persona capace di ragionare in modo sperimentale, sviluppare modelli con rigore e trasformare la ricerca in soluzioni concretamente utilizzabili.

Non è richiesta un’esperienza pregressa nel settore assicurativo; l’azienda è particolarmente interessata a profili provenienti da altri ambiti scientifici quantitativi o industriali, in cui l’analisi rigorosa e la gestione di dati complessi rivestono un ruolo centrale. Il ruolo offre inoltre l’opportunità di lavorare con tecnologie moderne di machine learning, deep learning, LLM, embeddings e pipeline implementate in produzione.

Role Requirements

- PhD strongly preferred in a quantitative discipline (Must-have)
- Around 3 to 8 years of relevant experience (Must-have)
- Strong grounding in probability, statistics, inference, regression, optimisation, machine learning and experimental design (Must-have)
- Python (Must-have)
- NumPy, Pandas or Polars (Must-have)
- Scikit-learn (Must-have)
- PyTorch or modern ML/DL frameworks (Must-have)
- SQL and large dataset handling (Must-have)
- Git and reproducible development practices (Must-have)
- Feature engineering and model validation (Must-have)
- Time series, clustering, anomaly detection or geospatial analysis (Must-have)
- Deep learning, foundation models or LLM experimentation (Nice-to-have)




- XGBoost, LightGBM or CatBoost (Nice-to-have)
- Spark, DuckDB, MLflow, Ray, Databricks, Snowflake, cloud platforms or Docker/Kubernetes (Nice-to-have)
- Scientist who codes mindset (Must-have)

About The RoleLa azienda

Laura è un’agenzia assicurativa digitale nata per rendere l’assicurazione auto più semplice, 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. xlwpduy La capacità di apprendere rapidamente nuovi metodi e strumenti è più importante dell’aver già lavorato nel settore assicurativo.

Interview process

- Shortlisted
- 1st Interview
- 2nd Interview
- 3rd Interview
- Offer

#J-18808-Ljbffr

Vedi l’offerta su Go Lavoro: golavoro.it/annuncio-lavoro/8dtqwm