Data Scientist

Flexsis AG, Filiale Basel LS; Basel; On-site; CHF 120,000 - 180,000; Part time

Job summary

Flexsis AG, Filiale Basel LS sucht einen Datenwissenschaftler (m/w/d) zur Modellierung multimodaler klinischer Daten und zur Identifikation von Biomarkern, die Krankheitsverlauf und Behandlungsreaktion vorhersagen helfen. Sie arbeiten im Kernteam Translational Research & Data Science.

Sie entwickeln Portfolios präklinischer Modelle aus internen/öffentlichen Daten und arbeiten eng mit externen Partnern zusammen, mit der Möglichkeit, Ergebnisse zu publizieren.

Qualifications

• Erfahrung in Statistik und Datenmodellierung großer Life-Sciences-Daten.
• Praktische Erfahrung in der Integration grosser Multi-Omics-Daten (Genomik, Transkriptomik, Proteomik, Metabolomik).
• Kenntnisse in R/Python und Linux-Umgebung.

Responsibilities

• Modellierung multimodaler klinischer Daten zur Identifikation von Biomarkern.
• Entwicklung präklinischer Modelle aus internen/öffentlichen Daten.
• Zusammenarbeit mit Translational Research & Data Science Teams.
• Mitwirkung in Allianzen mit externen Partnern und Veröffentlichung von Ergebnissen.

Skills

Statistik & Modellierung

Multi-Omics-Integration

R/Python

KI/ML-Anwendungen

Linux-Umgebung

Tools

R

Python

Linux

Job description

Beschreibung des Unternehmens

Flexsis ist ein Unternehmen der Interiman Gruppe, einem der führenden Anbieter von Personaldienstleistungen in der Schweiz. Dank unserer fundierten Expertise sowie der Kompetenzen innerhalb der Interiman Gruppe bieten wir massgeschneiderte Lösungen in der Personalberatung an.

Für unseren Kunden Novartis in Basel suchen wir einen zuverlässigen und motivierten Datenwissenschaftler (m/w/d)

Dauer: 6 Monate - Mutterschaftsvertretung

Arbeitsumfang: 80%

Stellenbeschreibung

Hauptverantwortlichkeiten

• 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

Wesentliche Anforderungen

• 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

Gesuchtes Profil

Must haves

• 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.