Data Scientist / Applied 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

• 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, 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, NumPy, Pandas e/o Polars.

• Scikit-learn, PyTorch e moderni framework ML/DL.

• SQL e gestione di dataset di grandi dimensioni.

• Git e buone pratiche di sviluppo riproducibile.

• Molto apprezzati: XGBoost / LightGBM / CatBoost, JAX, Spark, DuckDB, 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.

Fill in the form, we will contact you...