In sintesi
- Mansioni: Lavora con chemiometria e machine learning per analizzare dati scientifici complessi.
- Azienda: Azienda giovane e innovativa nel campo dell'intelligenza artificiale.
- Benefit: Retribuzione competitiva, equity, un giorno di ferie extra per il compleanno e lavoro ibrido.
- Altre informazioni: Ambiente dinamico con opportunità di crescita e responsabilità individuale.
- Perché questo lavoro: Contribuisci a progetti scientifici reali e fai la differenza nel tuo campo.
- Qualifiche: Laurea in chimica o esperienza equivalente, conoscenze in machine learning e Python.
La retribuzione prevista è compresa tra 28000 - 36000 € per anno.
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;
- Py Torch e/o Tensor Flow;
- scikit-learn, Num Py, Sci Py 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 Py Torch, Tensor Flow o framework equivalenti.
- Capacità di progettare, addestrare e valutare reti neurali, oltre il semplice utilizzo di modelli preesistenti.
- Comprensione dei principi di rappresentazione dei dati, generalizzazione, regolarizzazione e validazione dei modelli.
- Capacità di valutare un modello andando oltre le sole metriche numeriche e verificando la plausibilità scientifica dei risultati.
- Capacità di affrontare problemi aperti e lavorare anche quando le informazioni disponibili sono incomplete.
- Buona conoscenza dell’inglese scritto e parlato.
- Autonomia, curiosità e attitudine a lavorare in un ambiente startup con molta responsabilità individuale.
Cerchiamo indicativamente almeno 3 anni di esperienza rilevante.
Un dottorato o un’attività di ricerca sperimentale e computazionale coerente con il ruolo possono essere considerati parte di questa esperienza.
Requisiti preferenziali
Costituiscono un valore aggiunto
- esperienza diretta con spettroscopia NMR;
- esperienza con spettroscopia IR o Raman, spettrometria di massa o dati cromatografici;
- conoscenza di self-supervised learning, transfer learning, fine-tuning o apprendimento multimodale;
- esperienza con transformer, modelli sequenziali, autoencoder, modelli generativi o altre architetture adatte a segnali scientifici;
- esperienza con training distribuito, utilizzo di GPU e ottimizzazione di modelli di grandi dimensioni;
- conoscenza approfondita del preprocessing e dell’analisi di segnali spettroscopici;
- esperienza con identificazione di composti, elucidazione strutturale o predizione di proprietà molecolari;
- conoscenza di cheminformatica, rappresentazioni molecolari o strumenti come RDKit;
- esperienza nella progettazione sperimentale e nella gestione della qualità dei dati scientifici;
- conoscenza di uncertainty quantification, interpretabilità dei modelli e domain of applicability;
- esperienza con MLOps, monitoraggio dei modelli, CI/CD o sistemi di calcolo distribuito;
- esperienza nel deployment di sistemi ML in ambienti di produzione;
- esperienza precedente in una startup o in un contesto ad alta autonomia;
- esperienza internazionale di studio o di lavoro;
- esperienza diretta con clienti, utilizzatori o interlocutori tecnici esterni al team.
- Equity
Crediamo che le prime persone che entrano in azienda debbano partecipare al valore che contribuiscono a creare.
Abbiamo riservato il 10% della società all’equity per i dipendenti, con particolare attenzione alle prime assunzioni.
Questo ruolo può ricevere una partecipazione nell’ambito del piano di equity aziendale.
L’assegnazione dipenderà dalla seniority, dal momento di ingresso, dalle responsabilità e dal bilanciamento tra componente economica ed equity dell’offerta finale.
Per questo ruolo, l’assegnazione tipica è compresa tra lo 0,15% e lo 0,40% del capitale su base fully diluted.
Per candidature eccezionali potrà essere superiore.
Il piano standard prevede una maturazione in 4 anni, con un cliff di 1 anno.
- Cosa offriamo
- Retribuzione annua lorda tra €28.000 e €36.000
- Equity
- Un giorno aggiuntivo di ferie retribuite per il tuo compleanno
- Lavoro ibrido
- Un ambiente umano basato su flessibilità, fiducia e pochissima burocrazia inutile
- La possibilità di lavorare su problemi scientifici difficili, con un impatto concreto sulla ricerca, sui prodotti e sui clienti
(Hybrid - NO REMOTE)Chemometrics & Machine Learning Scientist – NMR e Spettroscopia datore di lavoro: ROMBO AI
ROMBO AI è un'azienda giovane e dinamica che si distingue per la sua profonda esperienza nell'intelligenza artificiale e nell'analisi di dati scientifici. La cultura aziendale promuove il pensiero rigoroso e l'onestà intellettuale, offrendo un ambiente di lavoro stimolante senza burocrazia inutile. I dipendenti hanno l'opportunità di lavorare su progetti complessi e significativi, collaborando con esperti del settore.
Consigli degli esperti StudySmarter🤫
Ecco come pensiamo che potresti ottenere (Hybrid - NO REMOTE)Chemometrics & Machine Learning Scientist – NMR e Spettroscopia
✨Sfrutta i Meetups di Data Science
Partecipare a meetups e conferenze di data science è un must! Questi eventi sono un ottimo modo per connettersi con esperti del settore e altre persone in cerca di lavoro. Non vergognarti di farti avanti e parlare con i relatori: potrebbe aprirti porte inaspettate.
✨Progetti Open Source per Farsi Notare
Contribuire a progetti open source è una fantastica opportunità per mostrare le tue competenze pratiche. Non solo aiuta a costruire il tuo portfolio, ma ti consente anche di lavorare con tecnologie che potrebbero essere ricercate dalla tua futura azienda. Cerca progetti su GitHub legati a data science e mettiti in gioco!
✨Unisciti a Comunità Online
Entrare a far parte di comunità online come Kaggle o forum di data science può essere un grande vantaggio. Non solo puoi partecipare a competizioni e migliorare le tue abilità, ma puoi anche costruire una rete con altri professionisti del settore. Queste connessioni possono rivelarsi preziose quando cerchi un lavoro a tempo pieno.
✨Candidati Direttamente su ROMBO AI
Non dimenticare di candidarti direttamente sul sito di ROMBO AI! Spesso le aziende preferiscono ricevere applicazioni tramite il loro portale, quindi assicurati di seguire le istruzioni specifiche. Un’applicazione diretta può darti un vantaggio rispetto a chi usa canali più generali.
Pensiamo che ti servano queste competenze per eccellere come (Hybrid - NO REMOTE)Chemometrics & Machine Learning Scientist – NMR e Spettroscopia
Alcuni consigli per la tua candidatura 🫡
Evidenzia le tue competenze tecniche:Nel campo della data science, è fondamentale mostrare le tue competenze tecniche. Assicurati di includere nel tuo CV le lingue di programmazione che conosci, come Python o R, e i tool che hai utilizzato, come TensorFlow o scikit-learn. Non dimenticare di far vedere i tuoi progetti o le tue analisi precedenti, magari con link a GitHub o portafogli di lavoro!
Scrivi una lettera motivazionale convincente:Per un ruolo full-time in data science, la lettera motivazionale è la tua occasione per far trasparire la tua passione per i dati e la tua voglia di contribuire al lavoro di ROMBO AI. Spiega perché sei interessato a questo specifico ruolo e come le tue esperienze passate ti rendono il candidato ideale. Non essere timido: condividi le tue ambizioni e la tua visione per il futuro!
Includi risultati quantificabili:Quando parli delle tue esperienze lavorative precedenti, cerca di includere risultati quantificabili che dimostrino il tuo impatto. Ad esempio, puoi dire che hai aumentato l'efficienza di un'analisi del 20% o che hai contribuito a un progetto che ha portato a un aumento del fatturato del 15%. Metriche del genere catturano sempre l'attenzione dei recruiter!
Mostra il tuo approccio alla risoluzione dei problemi:La data science è tutta una questione di risolvere problemi complessi. Utilizza il tuo CV e la tua lettera motivazionale per descrivere come hai affrontato sfide specifiche in progetti precedenti. Ti consigliamo di includere un breve case study o un esempio pratico dei tuoi risultati per davvero colpire i selezionatori di ROMBO AI. Mostra loro come pensi e come apprendi!
Come prepararti a un colloquio di lavoro presso ROMBO AI
✨Brilla con il tuo Portafoglio
Porta con te un portfolio che mostri i tuoi progetti di data science. Includi studi di caso dettagliati e le tecniche che hai utilizzato, come l'analisi dei dati, il machine learning o la visualizzazione. In questo modo possiamo dimostrare concretamente il nostro problema-solving e le nostre competenze tecniche, che sono fondamentali in questo campo!
✨Preparati a Domande Tecniche
Aspettati domande tecniche in merito a statistica, machine learning e linguaggi di programmazione come Python o R. Potrebbero chiederti di spiegare modelli specifici o di analizzare un dataset sul momento. Rinfreschiamo insieme le nozioni di base e prepariamoci a dimostrare le nostre competenze pratiche.
✨Mostra la tua Curiosità
Le aziende cercano candidati che mostrino voglia di apprendere e crescita professionale. Durante l'intervista, parliamo delle tendenze attuali nel settore e dimostriamo il nostro interesse per l'innovazione nel campo della data science. Questo non solo ci farà apparire proattivi, ma metterà anche in evidenza la nostra motivazione.
✨Comunica Chiaramente i Tuoi Risultati
Essere bravi con i dati è fondamentale, ma sapere come comunicarli è altrettanto importante. Durante l'intervista, cerca di essere chiaro e conciso mentre parli dei tuoi risultati. Usa esempi specifici per dimostrare come le tue analisi abbiano avuto un impatto positivo in progetti passati. In questo modo possiamo evidenziare le nostre capacità comunicative, fondamentali per un ruolo a tempo pieno.