Ml Engineer / Chimico Computazionale (Hybrid - No Remote)
h3Chi siamo /h3 pSiamo una giovane azienda specializzata in intelligenza artificiale per dati scientifici.
Sviluppiamo sistemi proprietari e brevettati di AI per analizzare spettri NMR e lavoriamo con clienti industriali e scientifici internazionali, tra cui grandi gruppi dell'energia e della chimica.
/p pSiamo un team piccolo e molto qualificato.
Ci piacciono il pensiero rigoroso e concreto, l'onestà intellettuale e poca burocrazia.
Vogliamo un'azienda con un'alta concentrazione di talento, dove persone capaci possano fare il lavoro migliore della loro carriera.br/ /p h3Il ruolo /h3 pSvilupperai i modelli di deep learning al centro dei nostri prodotti, compresi i foundation model per la spettroscopia NMR.
Seguirai tutto il percorso: definizione del problema chimico, dataset, architettura, training, validazione e messa in produzione.
/p pUn modello per noi è buono quando funziona su dati reali ed è chimicamente plausibile, non solo quando ha buone metriche.
Per questo la sensibilità chimica è importante quanto quella da ML.br/ /p h3Cosa farai /h3 ul liProgettare, implementare e addestrare reti neurali per spettri e segnali scientifici: transformer, autoencoder, modelli sequenziali e generativi.
/li liContribuire ai foundation model NMR con pretraining, self-supervised learning, fine-tuning e transfer learning.
/li liCostruire dataset di grandi dimensioni e pipeline di training riproducibili su GPU.
/li liProgettare il preprocessing degli spettri: baseline, allineamento, normalizzazione, riduzione dimensionale.
/li liConfrontare i modelli neurali con approcci chemiometrici classici (PCA, PLS, PLS-DA) e scegliere il più adatto.
/li liDefinire una validazione solida dal punto di vista statistico e chimico, e studiare robustezza, generalizzazione, data leakage e dominio di applicabilità.
/li liPortare i modelli in produzione e ottimizzarne l'inferenza.
/li liTradurre i problemi dei clienti in obiettivi computazionali, insieme a chimici, software engineer e partner scientifici.br/ /li /ul h3Stack /h3 pPython, PyTorch (o TensorFlow), NumPy, SciPy, pandas, scikit-learn, strumenti di experiment tracking e versionamento di modelli e dataset, container, cloud (AWS, GCP o Azure).
GPU Nvidia H100 e DGX Spark.br/ /p h3Requisiti essenziali /h3 h3Machine learning /h3 ul liAlmeno 3 anni di esperienza pratica nello sviluppo di modelli di deep learning.
/li liOttima conoscenza di Python e PyTorch o di un framework equivalente.
/li liHai progettato e addestrato reti neurali tu stesso, non ti sei limitato a usare modelli preesistenti o API.
/li liSolida comprensione di generalizzazione, regolarizzazione e validazione dei modelli.
/li /ul h3Chimica /h3 ul liLaurea magistrale o dottorato in chimica, chimica fisica, chimica computazionale, chemiometria o in un ambito affine con una robusto componente chimica.
/li liEsperienza concreta di ML applicato a dati chimici o spettroscopici (NMR, IR, Raman, MS, cromatografia) o a dati molecolari.
/li liCapacità di giudicare se il risultato di un modello ha senso chimicamente.
/li /ul h3Altro /h3 ul liBuon inglese scritto e parlato.
/li liAutonomia e capacità di affrontare problemi aperti con informazioni incomplete.br/ /li /ul h3Costituiscono un plus /h3 ul liEsperienza diretta con la spettroscopia NMR.
/li liFoundation model, self-supervised learning o apprendimento multimodale.
/li liTraining distribuito e ottimizzazione su GPU.
/li liCheminformatica (RDKit, rappresentazioni molecolari), elucidazione strutturale o predizione di proprietà.
/li liUncertainty quantification e interpretabilità.
/li liMLOps, CI/CD e deployment in produzione.
/li liPubblicazioni, codice open source o esperienza in startup o in contesti internazionali.br/ /li /ul h3Questo ruolo non fa per te se..
.
/h3 ul lihai una forte formazione chimica o chemiometrica ma non hai mai addestrato una rete neurale in PyTorch o TensorFlow; /li lihai una forte esperienza in ML ma non hai mai lavorato con dati chimici o spettroscopici; /li licerchi un ruolo solo di ricerca o solo di engineering: qui servono entrambi.br/ /li /ul h3Cosa offriamo /h3 ul liRAL tra ****** € e ****** €.
/li libEquity /b /li liLavoro ibrido.
/li liUn giorno di ferie in più per il tuo compleanno.
/li liUn ambiente basato su fiducia e flessibilità, con pochissima burocrazia.
/li liProblemi scientifici difficili con un impatto diretto su prodotti e clienti.
/li /ul #J-*****-Ljbffr
Sviluppiamo sistemi proprietari e brevettati di AI per analizzare spettri NMR e lavoriamo con clienti industriali e scientifici internazionali, tra cui grandi gruppi dell'energia e della chimica.
/p pSiamo un team piccolo e molto qualificato.
Ci piacciono il pensiero rigoroso e concreto, l'onestà intellettuale e poca burocrazia.
Vogliamo un'azienda con un'alta concentrazione di talento, dove persone capaci possano fare il lavoro migliore della loro carriera.br/ /p h3Il ruolo /h3 pSvilupperai i modelli di deep learning al centro dei nostri prodotti, compresi i foundation model per la spettroscopia NMR.
Seguirai tutto il percorso: definizione del problema chimico, dataset, architettura, training, validazione e messa in produzione.
/p pUn modello per noi è buono quando funziona su dati reali ed è chimicamente plausibile, non solo quando ha buone metriche.
Per questo la sensibilità chimica è importante quanto quella da ML.br/ /p h3Cosa farai /h3 ul liProgettare, implementare e addestrare reti neurali per spettri e segnali scientifici: transformer, autoencoder, modelli sequenziali e generativi.
/li liContribuire ai foundation model NMR con pretraining, self-supervised learning, fine-tuning e transfer learning.
/li liCostruire dataset di grandi dimensioni e pipeline di training riproducibili su GPU.
/li liProgettare il preprocessing degli spettri: baseline, allineamento, normalizzazione, riduzione dimensionale.
/li liConfrontare i modelli neurali con approcci chemiometrici classici (PCA, PLS, PLS-DA) e scegliere il più adatto.
/li liDefinire una validazione solida dal punto di vista statistico e chimico, e studiare robustezza, generalizzazione, data leakage e dominio di applicabilità.
/li liPortare i modelli in produzione e ottimizzarne l'inferenza.
/li liTradurre i problemi dei clienti in obiettivi computazionali, insieme a chimici, software engineer e partner scientifici.br/ /li /ul h3Stack /h3 pPython, PyTorch (o TensorFlow), NumPy, SciPy, pandas, scikit-learn, strumenti di experiment tracking e versionamento di modelli e dataset, container, cloud (AWS, GCP o Azure).
GPU Nvidia H100 e DGX Spark.br/ /p h3Requisiti essenziali /h3 h3Machine learning /h3 ul liAlmeno 3 anni di esperienza pratica nello sviluppo di modelli di deep learning.
/li liOttima conoscenza di Python e PyTorch o di un framework equivalente.
/li liHai progettato e addestrato reti neurali tu stesso, non ti sei limitato a usare modelli preesistenti o API.
/li liSolida comprensione di generalizzazione, regolarizzazione e validazione dei modelli.
/li /ul h3Chimica /h3 ul liLaurea magistrale o dottorato in chimica, chimica fisica, chimica computazionale, chemiometria o in un ambito affine con una robusto componente chimica.
/li liEsperienza concreta di ML applicato a dati chimici o spettroscopici (NMR, IR, Raman, MS, cromatografia) o a dati molecolari.
/li liCapacità di giudicare se il risultato di un modello ha senso chimicamente.
/li /ul h3Altro /h3 ul liBuon inglese scritto e parlato.
/li liAutonomia e capacità di affrontare problemi aperti con informazioni incomplete.br/ /li /ul h3Costituiscono un plus /h3 ul liEsperienza diretta con la spettroscopia NMR.
/li liFoundation model, self-supervised learning o apprendimento multimodale.
/li liTraining distribuito e ottimizzazione su GPU.
/li liCheminformatica (RDKit, rappresentazioni molecolari), elucidazione strutturale o predizione di proprietà.
/li liUncertainty quantification e interpretabilità.
/li liMLOps, CI/CD e deployment in produzione.
/li liPubblicazioni, codice open source o esperienza in startup o in contesti internazionali.br/ /li /ul h3Questo ruolo non fa per te se..
.
/h3 ul lihai una forte formazione chimica o chemiometrica ma non hai mai addestrato una rete neurale in PyTorch o TensorFlow; /li lihai una forte esperienza in ML ma non hai mai lavorato con dati chimici o spettroscopici; /li licerchi un ruolo solo di ricerca o solo di engineering: qui servono entrambi.br/ /li /ul h3Cosa offriamo /h3 ul liRAL tra ****** € e ****** €.
/li libEquity /b /li liLavoro ibrido.
/li liUn giorno di ferie in più per il tuo compleanno.
/li liUn ambiente basato su fiducia e flessibilità, con pochissima burocrazia.
/li liProblemi scientifici difficili con un impatto diretto su prodotti e clienti.
/li /ul #J-*****-Ljbffr