(Hybrid - NO REMOTE)Chemometrics & Machine Learning Scientist - NMR e Spettroscopia
h3br/Chi siamo /h3 pSiamo una giovane azienda con una profonda esperienza nell’intelligenza artificiale e nell’analisi di dati scientifici. Sviluppiamo sistemi proprietari e brevettati di AI per l’analisi di dati spettroscopici, in particolare di risonanza magnetica nucleare, e collaboriamo con clienti internazionali su problemi scientifici e industriali complessi. Siamo un piccolo gruppo di persone altamente qualificate. Apprezziamo il pensiero intelligente, concreto e rigoroso. Crediamo nelle relazioni umane, nell’onestà intellettuale e nella libertà di svolgere un lavoro serio senza burocrazia inutile. Vogliamo costruire un’azienda ad alta densità di talento, nella quale persone capaci possano realizzare il miglior lavoro della propria carriera. Se ti riconosci in questo contesto, continua a leggere. /p h3Il ruolo /h3 pCerchiamo una persona capace di lavorare all’intersezione tra chemiometria, chimica analitica e machine learning. Utilizzerai metodi statistici multivariati, machine learning e deep learning per estrarre informazioni chimicamente significative da dati scientifici complessi, con particolare attenzione alla spettroscopia NMR. Collaborerai con chimici, data scientist e software engineer per trasformare problemi scientifici reali in sistemi computazionali affidabili. Dovrai saper comprendere la natura del dato, scegliere un approccio quantitativo adeguato e valutare i risultati non soltanto attraverso le metriche, ma anche sulla base della loro plausibilità chimica. Non è un ruolo nel quale si addestra un modello per poi passarlo a qualcun altro. Seguirai l’intero percorso: dalla comprensione del problema e dalla preparazione dei dati fino alla ricerca sul modello, alla validazione scientifica e al suo utilizzo in produzione. /p h3Cosa farai /h3 pIn concreto, ti occuperai di:
/p ul licomprendere problemi chimici e tradurli in obiettivi quantitativi e computazionali; /li lianalizzare dati NMR e altre tipologie di dati spettroscopici o scientifici; /li liprogettare strategie di preprocessing, normalizzazione, allineamento, correzione della baseline e riduzione dimensionale; /li lisviluppare modelli chemiometrici, statistici e di machine learning; /li liprogettare, implementare e addestrare reti neurali complesse per l’analisi di spettri e segnali scientifici; /li licontribuire allo sviluppo di foundation model per la spettroscopia NMR; /li lilavorare su strategie di pretraining, fine-tuning, transfer learning e apprendimento auto-supervisionato; /li lisviluppare rappresentazioni generali di spettri, strutture molecolari e relazioni tra struttura e segnale; /li lisperimentare con architetture neurali differenti, scegliendo quelle più adatte alla struttura dei dati e al problema scientifico; /li liconfrontare modelli neurali avanzati con approcci classici come PCA, PLS, PLS-DA, clustering, classificazione e regressione multivariata; /li licostruire dataset di grandi dimensioni e pipeline riproducibili per l’addestramento dei modelli; /li lidefinire criteri di validazione solidi dal punto di vista statistico, computazionale e chimico; /li lianalizzare interpretabilità, generalizzazione, robustezza e dominio di applicabilità dei modelli; /li liindividuare errori, bias,
fenomeni di data leakage e limiti dei dataset; /li licurare qualità, tracciabilità e consistenza dei dati; /li licontribuire allo sviluppo di pipeline e servizi di machine learning pronti per la produzione; /li liottimizzare modelli e processi di inferenza per il loro utilizzo in ambienti reali; /li licollaborare con software engineer, ricercatori, partner scientifici e clienti; /li licontribuire alle decisioni tecniche relative ai nostri prodotti e ai progetti realizzati per i clienti; /li liseguire progetti in settori differenti, senza limitarti a un unico caso d’uso. /li /ul h3Il nostro stack tecnologico /h3 pIl nostro stack è in evoluzione, ma attualmente potresti lavorare con: /p ul liPython; /li liPyTorch e/o TensorFlow; /li liscikit-learn, NumPy, SciPy e pandas; /li listrumenti per l’elaborazione di spettri, segnali e dati chimici; /li listrumenti per il monitoraggio degli esperimenti, il versionamento dei modelli e la gestione dei dataset; /li lipiattaforme cloud come AWS, GCP o Azure; /li liGPU, container e strumenti backend; /li lipipeline distribuite per l’elaborazione dei dati e l’addestramento dei modelli. /li liNvidia H100 e Nvidia Spark /li /ul h3Requisiti essenziali /h3 ul liLaurea magistrale, dottorato o esperienza equivalente in chimica, chimica analitica, chemiometria, chimica computazionale, chimica farmaceutica, fisica, machine learning scientifico o un ambito affine. /li liSolida comprensione dei principi fondamentali della chimica e dell’analisi quantitativa dei dati. /li liEsperienza pratica nell’applicazione di metodi chemiometrici o di machine learning a dati chimici, spettroscopici, fisici o biologici. /li liConoscenza dei principali metodi statistici multivariati. /li liSolida conoscenza di Python e dell
/p ul licomprendere problemi chimici e tradurli in obiettivi quantitativi e computazionali; /li lianalizzare dati NMR e altre tipologie di dati spettroscopici o scientifici; /li liprogettare strategie di preprocessing, normalizzazione, allineamento, correzione della baseline e riduzione dimensionale; /li lisviluppare modelli chemiometrici, statistici e di machine learning; /li liprogettare, implementare e addestrare reti neurali complesse per l’analisi di spettri e segnali scientifici; /li licontribuire allo sviluppo di foundation model per la spettroscopia NMR; /li lilavorare su strategie di pretraining, fine-tuning, transfer learning e apprendimento auto-supervisionato; /li lisviluppare rappresentazioni generali di spettri, strutture molecolari e relazioni tra struttura e segnale; /li lisperimentare con architetture neurali differenti, scegliendo quelle più adatte alla struttura dei dati e al problema scientifico; /li liconfrontare modelli neurali avanzati con approcci classici come PCA, PLS, PLS-DA, clustering, classificazione e regressione multivariata; /li licostruire dataset di grandi dimensioni e pipeline riproducibili per l’addestramento dei modelli; /li lidefinire criteri di validazione solidi dal punto di vista statistico, computazionale e chimico; /li lianalizzare interpretabilità, generalizzazione, robustezza e dominio di applicabilità dei modelli; /li liindividuare errori, bias,
fenomeni di data leakage e limiti dei dataset; /li licurare qualità, tracciabilità e consistenza dei dati; /li licontribuire allo sviluppo di pipeline e servizi di machine learning pronti per la produzione; /li liottimizzare modelli e processi di inferenza per il loro utilizzo in ambienti reali; /li licollaborare con software engineer, ricercatori, partner scientifici e clienti; /li licontribuire alle decisioni tecniche relative ai nostri prodotti e ai progetti realizzati per i clienti; /li liseguire progetti in settori differenti, senza limitarti a un unico caso d’uso. /li /ul h3Il nostro stack tecnologico /h3 pIl nostro stack è in evoluzione, ma attualmente potresti lavorare con: /p ul liPython; /li liPyTorch e/o TensorFlow; /li liscikit-learn, NumPy, SciPy e pandas; /li listrumenti per l’elaborazione di spettri, segnali e dati chimici; /li listrumenti per il monitoraggio degli esperimenti, il versionamento dei modelli e la gestione dei dataset; /li lipiattaforme cloud come AWS, GCP o Azure; /li liGPU, container e strumenti backend; /li lipipeline distribuite per l’elaborazione dei dati e l’addestramento dei modelli. /li liNvidia H100 e Nvidia Spark /li /ul h3Requisiti essenziali /h3 ul liLaurea magistrale, dottorato o esperienza equivalente in chimica, chimica analitica, chemiometria, chimica computazionale, chimica farmaceutica, fisica, machine learning scientifico o un ambito affine. /li liSolida comprensione dei principi fondamentali della chimica e dell’analisi quantitativa dei dati. /li liEsperienza pratica nell’applicazione di metodi chemiometrici o di machine learning a dati chimici, spettroscopici, fisici o biologici. /li liConoscenza dei principali metodi statistici multivariati. /li liSolida conoscenza di Python e dell