Data Scientist / Applied Scientist
Pubblicato il 13-10-2026 - Ersilia in Mantova
La 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. La capacità di apprendere rapidamente nuovi metodi e strumenti è più notevole dell’aver già lavorato nel settore assicurativo.