Stellenangebot

Data Scientist / Python Developer 100% (f/m/d)

Die Julius Baer Group sucht einen Data Scientist / Python Developer (m/w/d) in Madrid, der die end-to-end-Entwicklung von datengetriebenen Modellen leitet und robuste Datenpipelines entwickelt. Der ideale Kandidat verfügt über einen Master-Abschluss in einem quantitativen Fach und ausgezeichnete analytische Fähigkeiten sowie Erfahrung mit Python und SQL.

Ausland

Julius Bär Gruppe AG

100%

Ihre Herausforderung

Lead end-to-end Entwicklung von datengetriebenen Modellen, von exploratorischer Analyse und Feature-Engineering bis hin zu Modellierung, Validierung, Deployment, Überwachung und umfassender Dokumentation Design, Bau und Optimierung robuster Datenpipelines, um hochwertigen, zuverlässigen und zeitnahen Zugriff auf strukturierte und semi-strukturierte Finanzdatensätze zu gewährleisten Entwicklung und Verbesserung von Lösungen zur Identifizierung und Lösung von Finanzdatenanomalien, einschließlich der Prototypisierung neuer Algorithmen und der Verbesserung bestehender Methoden Definition und Implementierung sinnvoller Leistungsmetriken und Auswirkungsanalysen, um die Modellwirksamkeit gegenüber klaren Geschäftszielen zu bewerten Unterstützung der Migration und Integration bestehender Modelle in eine neue, unternehmensweite Datenwissenschaftsplattform, um Skalierbarkeit, Reproduzierbarkeit und Compliance zu gewährleisten Erstellung intuitiver, interaktiver Dashboards (z.B. via Tableau oder ähnlichen Tools), um Erkenntnisse zu visualisieren und die Einbindung von Stakeholdern zu erleichtern Aktive Zusammenarbeit in agilen, multidisziplinären Teams - Förderung von Best Practices, Peer-Review, Wissensaustausch und kontinuierlicher Verbesserung

Ihr Profil

Master-Abschluss in Data Science, Statistik, Mathematik, Physik, Informatik oder einem verwandten quantitativen Fach (abgeschlossen oder in Bearbeitung) Exzellente analytische und problemlösungsorientierte Fähigkeiten mit starker Aufmerksamkeit für Details Solides theoretisches Verständnis von Kernkonzepten der Wahrscheinlichkeit und Statistik sowie Vertrautheit mit populären Machine-Learning-Methoden (Erfahrung mit Empfehlungssystemen ist ein Plus) Nachgewiesene Kompetenz in Python für Datenanalyse und -automatisierung (Bibliotheken wie pandas, scikit-learn, NumPy, PyTorch/TensorFlow), solide Kenntnisse in SQL für die Abfrage von großen Datenbanken Vertrautheit mit Software-Engineering- und DevOps-Prinzipien, insbesondere im Bereich Code-Versionierung (Git), Testing, CI/CD-Pipelines und Containerisierung (Docker, Kubernetes) ist hoch geschätzt Fließend in Englisch; Spanisch ist ein Plus