13 ott - Romano di Lombardia
Ersilia
La aziendaSebbene l'esperienza qualificato e le qualifiche siano fondamentali per questo ruolo, si assicuri di verificare di possedere le soft skill preferenziali, se richieste, prima di candidarsi.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 ruoloEntrare 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 interessantiAerospace 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 attivitàAnalisi 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 scientifichePhD 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 tecnologichePython, 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 personaleCerchiamo 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. xysqume La capacità di apprendere rapidamente nuovi metodi e strumenti è più importante dell’aver già lavorato nel settore assicurativo.#J-18808-Ljbffr
14 ott - Milano
Idro 2000
14 ott - Ciriè
Filippo
14 ott - Udine
Gruppo Danieli
14 ott - Nova milanese
New Age