Data scientist

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 Ph D 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, Num Py, Pandas e/o Polars. Scikit-learn, Py Torch e moderni framework ML/DL. SQL e gestione di dataset di grandi dimensioni. Git e buone pratiche di sviluppo riproducibile. Molto apprezzati: XGBoost / Light GBM / Cat Boost, JAX, Spark, Duck DB, 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 importante dell'aver già lavorato nel settore assicurativo.