Data Scientist (A)

Bitte beachten Sie, dass wir aufgrund der geltenden schweizerischen Gesetzgebung ausschliesslich Bewerbungen von Schweizer Staatsbürgern, EU-Bürgern sowie Personen mit gültiger Arbeitserlaubnis berücksichtigen können. 

Eine Remote-Tätigkeit aus dem Ausland ist nicht möglich.

Aufgaben

• Entwerfen und Konzipieren von GenAI-Lösungen (inklusive RAG und Agents) in Zusammenarbeit mit Data Engineers und Fachexperten. Ziel ist es, Daten, Prozesse und den geschäftlichen Kontext zu verstehen und sicherzustellen, dass Modelle und Lösungen die relevanten Probleme adressieren
• Enge Zusammenarbeit mit Business-Stakeholdern, um Anforderungen zu definieren, geeignete Use Cases zu identifizieren und messbare KPIs für den Business Case abzuleiten
• Entwicklung von ersten Prototypen und explorativen Umsetzungen für nicht-operationalisierte Anwendungsfälle. Zusammenarbeit mit ML- und Cloud-Engineers sowie Fullstack-Entwicklern, um GenAI-Lösungen sicher, skalierbar und konform mit Compliance-Richtlinien in die GenAI-Plattform zu integrieren

Anforderungen

• Ausgeprägtes Domänen- und Datenverständnis mit der Fähigkeit, komplexe Daten zu interpretieren und Vertrautheit mit Bankprozessen sowie regulatorischen Vorgaben, die Modellierungsansätze beeinflussen
• Sicherer Umgang mit umfangreichen Datensätzen und Fähigkeit, KI-Lösungen mit geschäftlichen Anforderungen, operativen Rahmenbedingungen und regulatorischen Richtlinien in Einklang zu bringen
• Starkes Prozessverständnis und Blick für Optimierungspotenzial, gepaart mit der Fähigkeit, geschäftliche Logiken in präzise technische Spezifikationen zu übersetzen. Hohe Kommunikationsstärke zur Abstimmung von Teams, zum Erwartungsmanagement und zur Sicherstellung von Wertschöpfung
• Fundiertes Verständnis von GenAI-Technologien wie RAG und Agents sowie Erfahrung in der Optimierung und Umsetzung von GenAI-Anwendungsfällen
• Solide Kenntnisse im maschinellen Lernen und in Statistik. Erfahrung mit ML-Frameworks wie TensorFlow und PyTorch und mit fortgeschrittenen Algorithmen, insbesondere in NLP und generativen Modellen. Sicheres Verständnis von Modellevaluation, Optimierungsmethoden sowie dem Umgang mit Modellabweichungen und Modellverzerrungen
• Erfahrung im Bereich MLOps mit guten Programmierkenntnissen in Python, sicherer Versionskontrolle und dem Einsatz von Tools für ML-Pipelines wie MLflow, Kubeflow oder Azure ML zur Automatisierung von Trainings- und Deployment-Prozessen
• Fliessende Deutschkenntnisse

Soft Skills

• Sehr gute mündliche und schriftliche Kommunikationsfähigkeiten sowie Fähigkeit zur effektiven Zusammenarbeit mit interdisziplinären Teams
• Ausgeprägte Problemlösungsfähigkeit und die Fähigkeit, pragmatische Lösungen für komplexe Herausforderungen zu entwickeln, insbesondere im Spannungsfeld zwischen Innovation, technischer Machbarkeit und regulatorischen Anforderungen