Lead Data Scientist – Virtual Models in Madrid

Lead Data Scientist – Virtual Models in Madrid

Madrid Full Time 49500 - 60500 € / año (est.) Híbrido
QIMA

De un vistazo

  • Tareas: Desarrollar modelos virtuales de farmacología y analizar conjuntos de datos biológicos complejos.
  • Empresa: QIMA, líder en soluciones de cumplimiento y satisfacción del cliente.
  • Beneficios: Acceso a liderazgo senior, autonomía en proyectos y oportunidades de crecimiento profesional.
  • Otra información: Oportunidad de liderar un equipo a medida que el programa crezca.
  • Por qué este empleo: Construye algo nuevo y haz un impacto real en la ciencia y la innovación.
  • Cualificaciones: Doctorado en ciencia de datos y experiencia en proyectos complejos de aprendizaje automático.

El salario previsto está entre 49500 - 60500 € por año.

At QIMA, we are on a mission to help our clients make products consumers can trust.

We have developed compliance solutions for testing, inspection and certification (TIC) that enable supply chain agility, sustainability and product innovation.

Our services are used by 30,000 businesses globally in the consumer products, agri-food and life sciences industries.

Backed by 6,000+ dedicated Qimates worldwide, we bring local expertise and tailored support to every client.

Our passion for service has made QIMA an industry leader for customer satisfaction, as highlighted by our exceptional Net Promoter Score (NPS).

Through our Life Sciences activities, we develop and deliver scientific testing and research services for our clients.

We are now launching a new programme to develop virtual pharmacology models .

These models will use the data generated through years of laboratory work to help assess the efficacy of molecules and support future screening activities.

Job Description

We are looking for a

Lead Data Scientist – Virtual Models to take ownership of this programme from the start.

This is a hands‑on role for an experienced data scientist who wants to build something new.

You will assess existing datasets across QIMA’s Business Units, identify the most promising opportunities, develop proof‑of‑concept models and prepare them for use by internal teams and, ultimately, by clients.

Initial applications may include models related to

  • skin;
  • hair follicles;
  • longevity;
  • prostate cancer;

You will work closely with Managing Directors, laboratory scientists and QIMA’s IT and AI experts.

Scientific validation will be carried out in collaboration with independent laboratory teams.

Key responsibilities

  • Review and assess proposals from QIMA’s Business Units.
  • Examine the underlying data in detail, including its quality, structure, consistency, depth and breadth.
  • Recommend one or two models with the strongest potential for development, subject to approval by the CEO of QIMA Life Sciences.
  • Build and manage the required data pipelines.
  • Clean, structure, integrate and analyse complex biological datasets.
  • Develop machine learning models and proof of concepts.
  • Identify data gaps and recommend additional experiments where needed.

Work with laboratory scientists to help define these experiments, including the required data, measurements and quality criteria.

  • Establish clear validation criteria and prepare models for independent scientific validation.
  • Improve the models through repeated testing and iteration.
  • Ensure that code, data and models are reproducible, traceable and properly documented.
  • Present results clearly to scientific, technical, commercial and non‑specialist audiences.
  • Support the preparation of a model for future commercialisation, either as a Saa S product or as a service supporting, replacing or complementing wet‑lab assays.
  • Contribute to the documentation and protection of intellectual property related to the models, pipelines and methods.

This role will initially be an individual contributor position. As the programme grows, you may help build and lead a team of additional data scientists.

First objectives

Within the first six months, you will be expected to

  • assess the main model proposals and their underlying datasets;
  • recommend the one or two strongest projects;
  • establish a proof of concept for one or two models.

Within 12 to 15 months, the objective will be to prepare at least one model for potential commercialisation.

This should include sufficient scientific validation, an interface usable internally, and complete documentation or detailed operator training.

Qualifications

You have

  • a Ph D in data science, biostatistics, bioinformatics, machine learning or a related field;
  • 8–10 years of experience in data science, biostatistics and machine learning;
  • a proven track record of delivering complex machine learning projects using complex biological datasets;
  • strong experience building data pipelines, assessing data quality, identifying limitations and defining what additional data is needed;
  • experience working with scientists and translating scientific questions into data and modelling approaches;
  • excellent communication skills and the ability to explain complex concepts clearly to non‑specialists;
  • ideally, experience presenting work to clients, partners or other external stakeholders;
  • a practical, entrepreneurial and hands‑on approach;
  • the ability to work independently and take ownership of an ambiguous, new project.

Experience in a specific therapeutic area is not essential.

The most important requirements are strong technical expertise, experience with biological data and the ability to turn complex datasets into useful, validated models.

Strong Python or R skills, including production‑quality, version‑controlled code. Experience with cloud data platforms (we use Snowflake) and MLOps practices.

This is an opportunity to build a new capability from the ground up and shape how QIMA uses its biological data.

You will have direct access to senior leadership, laboratory experts and technical teams, with the autonomy to define the approach and deliver tangible results.

The role will be based in Europe and will require travel, depending on project needs, to QIMA laboratories in France, Northern Ireland and Germany.

Lead Data Scientist – Virtual Models in Madrid empresa: QIMA

QIMA es un empleador excepcional que se dedica a la transformación y modernización de procesos financieros en un entorno global dinámico. Ofrecemos un ambiente de trabajo colaborativo donde la innovación y el desarrollo profesional son fundamentales, brindando oportunidades para crecer y liderar en la intersección de Finanzas, Tecnología y Datos. Además, nuestra cultura inclusiva y el compromiso con la excelencia aseguran que cada empleado pueda contribuir significativamente al éxito de la empresa mientras disfruta de un equilibrio entre la vida laboral y personal.

QIMA

Datos de contacto:

Equipo de selección de QIMA

Consejo de los expertos de StudySmarter🤫

Creemos que así podrías conseguir Lead Data Scientist – Virtual Models in Madrid

✨Conéctate a Comunidades de Ciencia de Datos

Participa en foros y comunidades online como Kaggle o GitHub, donde puedes compartir proyectos de ciencia de datos y mostrar tus habilidades. Esto no solo te ayuda a aprender más, sino que también te da visibilidad ante reclutadores que están buscando talento.

✨Asiste a Meetups y Conferencias

Las conferencias de ciencia de datos y los meetups locales son una excelente manera de conocer a personas en la industria. Intenta asistir a eventos como PyData o Data Science Meetups en tu ciudad; así podrás establecer conexiones importantes y enterarte de oportunidades laborales como la de Lead Data Scientist – Virtual Models en QIMA.

✨Demuestra tus Habilidades con Proyectos Personales

Crea un portafolio en línea donde puedas presentar proyectos realizados por ti. Asegúrate de incluir muestras de tu trabajo en Python, R, o cualquier otra herramienta que domines. Esto hará que te destaques cuando postules a Lead Data Scientist – Virtual Models en QIMA.

✨Conéctate con Profesionales en LinkedIn

Haz uso de LinkedIn para seguir a empresas de ciencia de datos y conectar con quienes trabajan en ellas. Este tipo de estrategia puede abrirte puertas, ya que muchos reclutadores revisan perfiles antes de decidir a quién invitar a entrevistas para roles como Lead Data Scientist – Virtual Models.

Creemos que necesitas estas habilidades para triunfar como Lead Data Scientist – Virtual Models in Madrid

Ciencia de datos
Biostatística
Bioinformática
Aprendizaje automático
Construcción de pipelines de datos
Evaluación de calidad de datos
Identificación de limitaciones de datos

Algunos consejos para tu solicitud 🫡

Destaca tus habilidades técnicas:En el mundo de la ciencia de datos, es fundamental que tu CV incluya herramientas y lenguajes de programación específicos. No te olvides de mencionar tus conocimientos en Python, R o SQL, y cualquier experiencia relevante con bibliotecas como Pandas o TensorFlow. ¡Esto le dará un gran empujón a tu perfil ante QIMA!

Proyectos y experiencias prácticas:Además de tu formación académica, es clave incluir proyectos anteriores donde hayas aplicado tus habilidades en ciencia de datos. Asegúrate de mencionar cualquier trabajo que hayas hecho, ya sea en la universidad o de manera independiente. Esto demuestra tu capacidad para resolver problemas reales y tu motivación para aprender en un entorno profesional.

Céntrate en resultados cuantificados:En tu carta de presentación y CV, incluye logros que puedas cuantificar. Por ejemplo, si has dirigido un proyecto que mejoró la eficiencia en un XX%, esto no solo impresiona, sino que demuestra tu capacidad para generar resultados concretos. Esto es especialmente atractivo para un puesto a tiempo completo en QIMA.

Personaliza tu carta de presentación:No te limites a copiar y pegar una carta estándar. Haz que tu carta sea única para QIMA. Comenta por qué te apasiona la ciencia de datos y cómo encajas en la misión de la empresa. Aunque el CV es importante, una carta que muestre tu motivación y visión puede hacer la diferencia.

Cómo prepararte para una entrevista de trabajo en QIMA

✨Prep para preguntas técnicas de datos

Sabemos que en el campo de la ciencia de datos es común que te hagan preguntas técnicas. Prepárate para discutir tus conocimientos en estadística, análisis de datos y programación en Python o R. Además, asegúrate de poder explicar tus proyectos anteriores y el proceso detrás de ellos, ¡es vital que muestres tu pensamiento crítico!

✨Demuestra tus habilidades con un portfolio impactante

Tener un portfolio que muestre tus proyectos de ciencia de datos es esencial. Asegúrate de incluir ejemplos de análisis complejos, visualización de datos e incluso modelos predictivos que hayas desarrollado. ¡Esto no solo muestra tu competencia técnica, sino que también puede dar pie a una conversación más profunda durante la entrevista!

✨Prepárate para discutir casos de uso de datos

En una entrevista para un puesto de ciencia de datos, a menudo te preguntarán sobre estudios de caso o situaciones del mundo real. Practica cómo explicar cómo aplicarías técnicas de análisis para resolver problemas específicos que podrían enfrentar en QIMA. Esto demuestra que entiendes la aplicabilidad de tus habilidades.

✨Muestra tu entusiasmo y curiosidad

Como candidato a un puesto a tiempo completo, es crucial que muestres tu pasión por la ciencia de datos y tu deseo de aprender. Comparte tus intereses en las últimas tendencias de la IA o el machine learning, y menciona proyectos futuros que te gustaría explorar. Esto puede hacer que te destaques entre otros candidatos.