Chemometrics & Machine Learning Scientist – NMR e Spettroscopia

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.

Faccia clic su "Candidati" qui sotto per inviare la sua candidatura. Si assicuri che il suo CV sia aggiornato e di aver prima letto le specifiche del lavoro.
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 trachemiometria, 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