Data Scientist

Why candidates should join
Laura è una insurtech specializzata nell'assicurazione auto, con un forte orientamento alla tecnologia e ai dati.
Il lavoro si concentra quindi sull'applicazione di metodi quantitativi rigorosi a problemi di business concreti.
Il team attribuisce grande valore a una solida preparazione scientifica e cerca una persona capace di ragionare in modo sperimentale, sviluppare modelli con rigore e trasformare la ricerca in soluzioni concretamente utilizzabili.
Company:
Confidential
Why candidates should join
Laura è una insurtech specializzata nell'assicurazione auto, con un forte orientamento alla tecnologia e ai dati.
Il lavoro si concentra quindi sull'applicazione di metodi quantitativi rigorosi a problemi di business concreti.
Il team attribuisce grande valore a una solida preparazione scientifica e cerca una persona capace di ragionare in modo sperimentale, sviluppare modelli con rigore e trasformare la ricerca in soluzioni concretamente utilizzabili.
Non è richiesta un'esperienza pregressa nel settore assicurativo; l'azienda è particolarmente interessata a profili provenienti da altri ambiti scientifici quantitativi o industriali, in cui l'analisi rigorosa e la gestione di dati complessi rivestono un ruolo centrale.
Il ruolo offre inoltre l'opportunità di lavorare con tecnologie moderne di machine learning, deep learning, LLM, embeddings e pipeline implementate in produzione.
Role Requirements
PhD strongly preferred in a quantitative discipline (Must-have)
Around 3 to 8 years of relevant experience (Must-have)
Strong grounding in probability, statistics, inference, regression, optimisation, machine learning and experimental design (Must-have)
Python (Must-have)
NumPy, Pandas or Polars (Must-have)
Scikit-learn (Must-have)
PyTorch or modern ML/DL frameworks (Must-have)
SQL and large dataset handling (Must-have)
Git and reproducible development practices (Must-have)
Feature engineering and model validation (Must-have)
Time series, clustering, anomaly detection or geospatial analysis (Must-have)
Deep learning, foundation models or LLM experimentation (Nice-to-have)
XGBoost, LightGBM or CatBoost (Nice-to-have)
Spark, DuckDB, MLflow, Ray, Databricks, Snowflake, cloud platforms or Docker/Kubernetes (Nice-to-have)
Scientist who codes mindset (Must-have)
About The Role
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, Machi