Datenwissenschaftler

Über den Job

• Anwendung etablierter und neuer Ansätze zur Modellierung multimodaler klinischer Daten, um Biomarker zu identifizieren, die den Krankheitsverlauf und die Behandlungsreaktion vorhersagen, sowie zur Nominierung neuer therapeutischer Zielhypothesen
• Entwicklung und Anwendung eines Portfolios präklinischer Modelle, die aus internen und öffentlichen Daten für Abteilungsprojekte abgeleitet sind
• Enge Zusammenarbeit mit einem Kernteam von Translational Research & Data Science Wissenschaftlern, die sowohl in nassen als auch trockenen Laborpraktiken versiert sind
• Aktive Teilnahme an interdisziplinären Teams zur Modellierung der Biologie und zur Steuerung wirkungsvoller Entscheidungsprozesse in der Wirkstoffforschung und frühen Entwicklung
• Aktive Mitwirkung in Allianzen mit externen Partnern an führenden Gesundheitseinrichtungen, inklusive der Möglichkeit, Ihre Ergebnisse zu publizieren

• Erfahrung in der Life-Sciences-Industrie mit der Modellierung biomedizinischer Forschungsdaten
• Nachgewiesene Kenntnisse und Anwendung von Statistik und Datenmodellierung auf gross angelegte Life-Sciences-Daten * Praktische Erfahrung in der Integration grosser Multi-Omics-Daten (Genomik, Transkriptomik, Proteomik und Metabolomik) zur Beantwortung zentraler wissenschaftlicher Fragestellungen im Zusammenhang mit dem Verständnis von Krankheiten
• Praktische Erfahrung im Umgang mit klinischen Daten und deren verantwortungsvoller Handhabung
• Praktische Erfahrung in der Anwendung von KI- und Machine-Learning-Methoden auf wissenschaftliche oder F&E-Daten
• Erfahrung im Einsatz von KI-Tools, einschließlich grosser Sprachmodelle und agentischer Workflows, zur Beschleunigung von Analyse und Entscheidungsfindung
• Kenntnisse in R/Python und Kompetenz im Arbeiten in einer Linux-Umgebung
• Praktizierender reproduzierbarer Forscher mit nachgewiesenen Fähigkeiten in Visualisierung und Berichterstattung
• Teamorientierte, praktische Herangehensweise an Problemlösungen

• Kenntnisse und Anwendung von Statistik und Datenmodellierung auf gross angelegte Life-Sciences-Daten
• Praktische Erfahrung in der Integration grosser Multi-Omics-Daten (Genomik, Transkriptomik, Proteomik und Metabolomik) zur Beantwortung zentraler wissenschaftlicher Fragestellungen im Zusammenhang mit dem Verständnis von Krankheiten
• Kenntnisse in R/Python und Kompetenz im Arbeiten in einer Linux-Umgebung
• Praktische Erfahrung in der Anwendung von KI- und Machine-Learning-Methoden auf wissenschaftliche oder F&E-Daten.
• Erfahrung im Einsatz von KI-Tools, einschließlich grosser Sprachmodelle und agentischer Workflows, zur Beschleunigung von Analyse und Entscheidungsfindung.