FREE ACCESS
5,000–10,000 jobs/day
See all jobs on Scoutfield
Search thousands of fresh jobs every day.
Discover
- Fresh listings
- Fast filters
- No subscription required
Create a free account and start exploring right away.
Core Competencies
Role fitCore Competencies
Use this summary to align your resume positioning with the role.
Demonstrates expertise in developing and training complex neural networks for scientific signals, with a strong foundation in chemometrics and machine learning methodologies. Proficient in data analysis, preprocessing, and validation techniques, ensuring high-quality and interpretable results in chemical data applications.
Highest-signal resume keywords
Machine Learning Model DevelopmentNeural Network Design and TrainingChemometrics and Statistical AnalysisPython Programming and Scientific LibrariesNMR Spectroscopy Data Analysis
ATS Keywords
Tailor your resumeApplicant Tracking System Keywords
Tip: use these terms in your resume and cover letter to boost ATS matches.
Hard Skills
Machine LearningNeural NetworksChemometricsStatistical AnalysisData PreprocessingModel ValidationPythonPyTorchTensorFlowSpectroscopy Analysis
Soft Skills
AutonomyCuriosityProblem-SolvingCollaborationCommunication
Tools & Technologies
PyTorchTensorFlowGPU OptimizationMLOpsCI/CD
Industry Keywords
ChemistryAnalytical ChemistryComputational ChemistryData LeakageTransfer LearningSelf-Supervised LearningUncertainty QuantificationQuality ManagementExperimental DesignCheminformatics
Tech Stack
Tools & technologiesPythonPyTorchTensorflow
About the role
Key responsibilities & impact- Comprendere problemi chimici e tradurli in obiettivi quantitativi e computazionali
- Analizzare dati NMR e altri 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 spettri e segnali scientifici
- Contribuire allo sviluppo di foundation model per la spettroscopia NMR
- Lavorare su pretraining, fine-tuning, transfer learning e apprendimento auto-supervisionato
- Sviluppare rappresentazioni generali di spettri, strutture molecolari e relazioni struttura-segnale
- Sperimentare architetture neurali e selezionare quelle adatte ai dati e al problema scientifico
- Confrontare modelli neurali avanzati con PCA, PLS, PLS-DA, clustering, classificazione e regressione multivariata
- Costruire dataset di grandi dimensioni e pipeline riproducibili per l’addestramento
- Definire criteri di validazione statistici, computazionali e chimici
- Analizzare interpretabilità, generalizzazione, robustezza e dominio di applicabilità
- Individuare errori, bias, data leakage e limiti dei dataset
- Curare qualità, tracciabilità e consistenza dei dati
- Contribuire a pipeline e servizi di machine learning pronti per la produzione
- Ottimizzare modelli e processi di inferenza per ambienti reali
- Collaborare con software engineer, ricercatori, partner scientifici e clienti
- Contribuire alle decisioni tecniche relative ai prodotti e ai progetti cliente
- Seguire progetti in settori differenti
Requirements
What you’ll need- 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 PyTorch, TensorFlow 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 verificando la plausibilità scientifica dei risultati oltre alle metriche numeriche
- Capacità di affrontare problemi aperti con informazioni incomplete
- Buona conoscenza dell’inglese scritto e parlato
- Autonomia, curiosità e attitudine a lavorare in un ambiente startup con responsabilità individuale
- 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 dell’esperienza
- Esperienza diretta con spettroscopia NMR costituisce un valore aggiunto
- Esperienza con spettroscopia IR o Raman, spettrometria di massa o dati cromatografici costituisce un valore aggiunto
- Conoscenza di self-supervised learning, transfer learning, fine-tuning o apprendimento multimodale costituisce un valore aggiunto
- Esperienza con transformer, modelli sequenziali, autoencoder, modelli generativi o altre architetture per segnali scientifici costituisce un valore aggiunto
- Esperienza con training distribuito, GPU e ottimizzazione di modelli di grandi dimensioni costituisce un valore aggiunto
- Conoscenza di preprocessing e analisi di segnali spettroscopici costituisce un valore aggiunto
- Esperienza con identificazione di composti, elucidazione strutturale o predizione di proprietà molecolari costituisce un valore aggiunto
- Conoscenza di cheminformatica, rappresentazioni molecolari o RDKit costituisce un valore aggiunto
- Esperienza nella progettazione sperimentale e gestione della qualità dei dati scientifici costituisce un valore aggiunto
- Conoscenza di uncertainty quantification, interpretabilità dei modelli e domain of applicability costituisce un valore aggiunto
- Esperienza con MLOps, monitoraggio dei modelli, CI/CD o sistemi di calcolo distribuito costituisce un valore aggiunto
- Esperienza nel deployment di sistemi ML in produzione costituisce un valore aggiunto
- Esperienza precedente in una startup o contesto ad alta autonomia costituisce un valore aggiunto
- Esperienza internazionale di studio o lavoro costituisce un valore aggiunto
- Esperienza diretta con clienti, utilizzatori o interlocutori tecnici esterni al team costituisce un valore aggiunto
Benefits
Comp & perks- Equity participation through the company equity plan, typically 0.15%–0.40% of fully diluted capital, potentially higher for exceptional candidates
- Standard equity vesting over 4 years with a 1-year cliff
- One additional paid vacation day for your birthday
- Hybrid work
- Flexible, trust-based work environment with minimal unnecessary bureaucracy
- Opportunity to work on difficult scientific problems with concrete impact on research, products, and clients