(Hybrid - No Remote)Chemometrics & Machine Learning Scientist - Nmr E Spettroscopia

Chi siamo
Siamo 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 ambiente, continua a leggere.
Il ruolo
Cerchiamo 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.
Cosa farai
In concreto, ti occuperai di:
comprendere problemi chimici e tradurli in obiettivi quantitativi e computazionali;
analizzare dati NMR e altre tipologie di dati spettroscopici o scientifici;
progettare strategie di preprocessing, normalizzazione, allineamento, correzione della baseline e riduzione dimensionale;
sviluppare modelli chemiometrici, statistici e di machine learning;
progettare, implementare e addestrare reti neurali complesse per l'analisi di spettri e segnali scientifici;
contribuire allo sviluppo di foundation model per la spettroscopia NMR;
lavorare su strategie di pretraining, fine-tuning, transfer learning e apprendimento auto-supervisionato;
sviluppare rappresentazioni generali di spettri, strutture molecolari e relazioni tra struttura e segnale;
sperimentare con architetture neurali differenti, scegliendo quelle più adatte alla struttura dei dati e al problema scientifico;
confrontare modelli neurali avanzati con approcci classici come PCA, PLS, PLS-DA, clustering, classificazione e regressione multivariata;
costruire dataset di grandi dimensioni e pipeline riproducibili per l'addestramento dei modelli;
definire criteri di validazione solidi dal punto di vista statistico, computazionale e chimico;
analizzare interpretabilità, generalizzazione, robustezza e dominio di applicabilità dei modelli;
individuare errori, bias, fenomeni di data leakage e limiti dei dataset;
curare qualità, tracciabilità e consistenza dei dati;
contribuire allo sviluppo di pipeline e servizi di machine learning pronti per la produzione;
ottimizzare modelli e processi di inferenza per il loro utilizzo in ambienti reali;
collaborare con software engineer, ricercatori, partner scientifici e clienti;
contribuire alle decisioni tecniche relative ai nostri prodotti e ai progetti realizzati per i clienti;
seguire progetti in settori differenti, senza limitarti a un unico caso d'uso.
Il nostro stack tecnologico
Il nostro stack è in evoluzione, ma attualmente potresti lavorare con:
Python;
PyTorch e/o TensorFlow;
scikit-learn, NumPy, SciPy e pandas;
strumenti per l'elaborazione di spettri, segnali e dati chimici;
strumenti per il monitoraggio degli esperimenti, il versionamento dei modelli e la gestione dei dataset;
piattaforme cloud come AWS, GCP o Azure;
GPU, container e strumenti backend;
pipeline distribuite per l'elaborazione dei dati e l'addestramento dei modelli.
Nvidia H100 e Nvidia Spark
Requisiti essenziali
Laurea magistrale, dottorato o esperienza equivalente in chimica, chimica analitica, chemiometria, chimica computazionale, chimica farmaceutica, fisica, machine learning scientifico o un ambito affine.
Solida comprensione dei principi fondamentali della chimica e dell'analisi quantitativa dei dati.
Esperienza pratica nell'applicazione di metodi chemiometrici o di machine learning a dati chimici, spettroscopici, fisici o biologici.
Conoscenza dei principali metodi statistici multivariati.
Solida conoscenza di Python e dell'ecosistema scientifico associato.
Esperienza con PyTorch, TensorFlow o framework equivalenti.