pSiamo 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 contesto, continua a leggere. /p h3Chi siamo /h3 pSiamo 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. /p h3Il ruolo /h3 pCerchiamo 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. /p h3Cosa farai /h3 pIn concreto, ti occuperai di: /p ul licomprendere problemi chimici e tradurli in obiettivi quantitativi e computazionali; /li lianalizzare dati NMR e altre tipologie di dati spettroscopici o scientifici; /li liprogettare strategie di preprocessing, normalizzazione, allineamento, correzione della baseline e riduzione dimensionale; /li lisviluppare modelli chemiometrici, statistici e di machine learning; /li liprogettare, implementare e addestrare reti neurali complesse per l’analisi di spettri e segnali scientifici; /li licontribuire allo sviluppo di foundation model per la spettroscopia NMR; /li lilavorare su strategie di pretraining, fine-tuning,



transfer learning e apprendimento auto-supervisionato; /li lisviluppare rappresentazioni generali di spettri, strutture molecolari e relazioni tra struttura e segnale; /li lisperimentare con architetture neurali differenti, scegliendo quelle più adatte alla struttura dei dati e al problema scientifico; /li liconfrontare modelli neurali avanzati con approcci classici come PCA, PLS, PLS-DA, clustering, classificazione e regressione multivariata; /li licostruire dataset di grandi dimensioni e pipeline riproducibili per l’addestramento dei modelli; /li lidefinire criteri di validazione solidi dal punto di vista statistico, computazionale e chimico; /li lianalizzare interpretabilità, generalizzazione, robustezza e dominio di applicabilità dei modelli; /li liindividuare errori, bias, fenomeni di data leakage e limiti dei dataset; /li licurare qualità, tracciabilità e consistenza dei dati; /li licontribuire allo sviluppo di pipeline e servizi di machine learning pronti per la produzione; /li liottimizzare modelli e processi di inferenza per il loro utilizzo in ambienti reali; /li licollaborare con software engineer, ricercatori, partner scientifici e clienti; /li licontribuire alle decisioni tecniche relative ai nostri prodotti e ai progetti realizzati per i clienti; /li liseguire progetti in settori differenti, senza limitarti a un unico caso d’uso. /li /ul h3Il nostro stack tecnologico /h3 pIl nostro stack è in evoluzione, ma attualmente potresti lavorare con: /p ul liPython; /li liPyTorch e/o TensorFlow; /li liscikit-learn, NumPy, SciPy e pandas; /li listrumenti per l’elaborazione di spettri, segnali e dati chimici; /li listrumenti per il monitoraggio degli esperimenti, il versionamento dei modelli e la gestione dei dataset; /li lipiattaforme cloud come AWS, GCP o Azure; /li liGPU, container e strumenti backend; /li lipipeline distribuite per l’elaborazione dei dati e l’addestramento dei modelli. /li liNvidia H100 e Nvidia Spark /li /ul h3Requisiti essenziali /h3 ul liLaurea magistrale, dottorato o esperienza equivalente in chimica, chimica analitica, chemiometria, chimica computazionale, chimica farmaceutica, fisica, machine learning scientifico o un ambito affine. /li liSolida comprensione dei principi fondamentali della chimica e dell’analisi quantitativa dei dati. /li liEsperienza pratica nell’applicazione di metodi chemiometrici o di machine learning a dati chimici, spettroscopici, fisici o biologici. /li liConoscenza dei principali metodi statistici multivariati. /li liSolida conoscenza di Python e dell’ecosistema scientifico associato. /li liEsperienza con PyTorch, TensorFlow o framework equivalenti. /li liCapacità di progettare, addestrare e valutare reti neurali, oltre il semplice utilizzo di modelli preesistenti. /li liComprensione dei principi di rappresentazione dei dati, generalizzazione, regolarizzazione e validazione dei modelli.



/li liCapacità di valutare un modello andando oltre le sole metriche numeriche e verificando la plausibilità scientifica dei risultati. /li liCapacità di affrontare problemi aperti e lavorare anche quando le informazioni disponibili sono incomplete. /li liBuona conoscenza dell’inglese scritto e parlato; /li liAutonomia, curiosità e attitudine a lavorare in un ambiente startup con molta responsabilità individuale. /li /ul pCerchiamo indicativamente almeno3 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. /p h3Requisiti preferenziali /h3 pCostituiscono un valore aggiunto: /p ul liesperienza diretta con spettroscopia NMR; /li liesperienza con spettroscopia IR o Raman, spettrometria di massa o dati cromatografici; /li liconoscenza di self-supervised learning, transfer learning, fine-tuning o apprendimento multimodale; /li liesperienza con transformer, modelli sequenziali, autoencoder, modelli generativi o altre architetture adatte a segnali scientifici; /li liesperienza con training distribuito, utilizzo di GPU e ottimizzazione di modelli di grandi dimensioni; /li liconoscenza approfondita del preprocessing e dell’analisi di segnali spettroscopici; /li liesperienza con identificazione di composti, elucidazione strutturale o predizione di proprietà molecolari; /li liconoscenza di cheminformatica, rappresentazioni molecolari o strumenti come RDKit; /li liesperienza nella progettazione sperimentale e nella gestione della qualità dei dati scientifici; /li liconoscenza di uncertainty quantification, interpretabilità dei modelli e domain of applicability; /li liesperienza con MLOps, monitoraggio dei modelli, CI/CD o sistemi di calcolo distribuito; /li liesperienza nel deployment di sistemi ML in ambienti di produzione; /li liesperienza precedente in una startup o in un contesto ad alta autonomia; /li liesperienza internazionale di studio o di lavoro; /li liesperienza diretta con clienti, utilizzatori o interlocutori tecnici esterni al team. /li /ul h3Equity /h3 pCrediamo che le prime persone che entrano in azienda debbano partecipare al valore che contribuiscono a creare. Abbiamo riservato il10% 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 0,15% e lo 0,40% del capitale su base fully diluted. Per candidature eccezionali potrà essere superiore. Il piano standard prevede una maturazione in4 anni, con un cliff di 1 anno. /p h3Cosa offriamo /h3 ul liRetribuzione annua lorda tra €28.000 e €36.000 /li liEquity /li liUn giorno aggiuntivo di ferie retribuite per il tuo compleanno /li liLavoro ibrido /li liUn ambiente umano basato su flessibilità, fiducia e pochissima burocrazia inutile /li liLa possibilità di lavorare su problemi scientifici difficili, con un impatto concreto sulla ricerca, sui prodotti e sui clienti /li /ul #J-18808-Ljbffr

📌 Chemometrics & Machine Learning Scientist – NMR e Spettroscopia (Cagliari)
🏢 Rombo AI
📍 Cagliari