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, Machine Learning, Engineering, Computational Science, Operations Research, Econometrics o disciplina quantitativa equivalente.
* Solida padronanza di probabilità, statistica, i