Das Bayerische Landesamt für Statistik ist die zentrale Behörde für die amtliche Statistik in Bayern mit Dienststellen in Fürth und Schweinfurt. Zu den Aufgaben des Amtes gehören unter anderem die Erhebung und Aufbereitung von über 350 gesetzlich angeordneten Statistiken. Wir suchen zum nächstmöglichen Zeitpunkt in unserer Dienststelle Fürth eine/n Junior-Methodiker/in (m/w/d) Sie sind fit in den klassischen Methoden der Statistik und/oder empirischen Wirtschafts- und Sozialforschung? Sie interessieren sich aber auch für die neuen Möglichkeiten von Digitalisierung und Künstlicher Intelligenz? Dann helfen Sie mit, die amtliche Statistik in Bayern für die Zukunft aufzustellen, die Schnelligkeit und Qualität unserer Ergebnisse weiter zu steigern, und die berichtspflichtigen bayerischen Bürgerinnen und Bürger sowie Unternehmen nachhaltig zu entlasten. Mit dem Team „Statistische Methodik und Digitalisierung“ unterstützen wir die fachstatistischen Abteilungen bei der Modernisierung von statistischen Verfahren und der Nutzung neuer innovativer Datenquellen. Wir beteiligen uns bundesweit aktiv an der Weiterentwicklung von Methoden aus dem Bereich der Datenanonymisierung und der Entwicklung von prototypischen Anwendungen im Bereich des Maschinellen Lernens. Darüber hinaus sichern wir die Qualität der Ergebnisse von bayerischen Landtags-, Bundestags- und Europawahlen. Durchführung von Analysen im Rahmen der Nutzung neuer digitaler Daten sowie Datenaufbereitung unter Berücksichtigung neuer Methoden der digitalen Datenerhebung Ansprechperson der statistischen Fachabteilungen im Aufgabenfeld „Neue Digitale Daten, Maschinelles Lernen“ Erledigen von Anfragen und Entwickeln von Lösungsansätzen bzgl. statistischer Geheimhaltung methodische Untersuchungen statistischer Daten, z.B. in Form von Zeitreihenanalysen Qualitätssicherung der Wahlergebnisse von Bundestags-, Landtags- und Europawahl Unterstützung der methodischen und technischen Weiterentwicklung von innovativen Anwendungen sowie in den Aufgabenbereichen „Statistische Geheimhaltung“ und „Mathematisch-statistische Methoden“ abgeschlossenes Studium im Bereich Statistik, Mathematik, Informatik, Data Science oder Wirtschafts- bzw. Sozialwissenschaften mit statistischem Schwerpunkt an einer Universität oder einer Hochschule gute Kenntnisse in der Anwendung mathematisch-statistischer Methoden Erfahrungen in der Aufbereitung und Analyse von Daten sowie routinierter Umgang mit statistischen Programmiersprachen bzw. Analyseprogrammen (z. B. Python, R, SAS) Kenntnisse und ggf. bereits Praxiserfahrungen aus den Bereichen Data Science bzw. Maschinelles Lernen ausgeprägtes analytisches Denkvermögen, selbständige Arbeitsweise und Fähigkeit zu eigenverantwortlichem Handeln hohe Einsatzbereitschaft sowie Team- und Kommunikationsfähigkeit ein abwechslungsreiches und verantwortungsvolles Aufgabengebiet mit attraktiven Sozialleistungen des öffentlichen Dienstes ein unbefristeter Arbeitsvertrag (mit sechsmonatiger Probezeit) Bezahlung nach dem Tarifvertrag für den öffentlichen Dienst der Länder (TV-L), Entgeltgruppe 11 ein Vollzeitarbeitsplatz mit gleitender Arbeitszeit sowie flexible Teilzeitmöglichkeiten zur besseren Vereinbarkeit von Beruf und Familie (unter Berücksichtigung dienstlicher Belange) Möglichkeit zur Telearbeit (bei Vorliegen der Voraussetzungen gemäß der aktuell gültigen Dienstvereinbarung) bedarfsgerechte Fortbildungsmöglichkeiten und betriebliche Gesundheitsförderung verkehrsgünstige Lage mit Parkmöglichkeiten und guter Anbindung an den öffentlichen Nahverkehr betriebliche Altersversorgung über die Versorgungsanstalt des Bundes und der Länder (VBL) und Möglichkeit zur Entgeltumwandlung Chancengleichheit ist die Grundlage unserer Personalarbeit. Daher begrüßen wir Bewerbungen von allen Interessierten, unabhängig von ethnischer, kultureller und sozialer Herkunft, Alter, Religion und Weltanschauung, geschlechtlicher Identität, Beeinträchtigung körperlicher und geistiger Fähigkeiten oder sexueller Orientierung. Bewerbende mit Schwerbehinderung werden bei gleicher Eignung unter Berücksichtigung aller Umstände des Einzelfalls bevorzugt.