Обязанности:
• разработка и поддержание моделей кредитного риска для розничного бизнеса (PD, LGD, EAD, досрочного погашения и др.) с помощью методов классического машинного обучения (обобщенные линейные модели, градиентный бустинг, случайный лес и иное);
• создание новых признаков и их применение в моделях с применением самой актуальной инфраструктуры (Feature Store, онлайн каскады);
• эксперименты с нестандартными для классического скоринга подходами для моделирования (например, применение методов рекуррентных нейронных сетей на данных по платежам, полноценное описание которых простыми переменными не всегда может быть универсальным);
• поведенческая аналитика и сегментация;
• анализ эффективности новых источников данных, тестирование моделей кредитного риска на новых источниках данных;
• создавать модели и подходы к разработке моделей, о которых можно делать статьи и публикации;
Требования:
• физико-математическое, экономико-математическое образование;
• хорошее знание теории вероятностей и математической статистики, методов машинного обучения;
• умение работать с данными (анализ, очистка, подготовка, отбор и создание признаков), навыки написания SQL-запросов;
• знание Python (в частности, библиотек, применяемых для анализа данных: numpy, pandas, scikit-learn, xgboost / lightgbm / catboost и т.п.);
• опыт с работы с Hadoop (Hive, Impala, Apache Spark) или иными реляционными базами данных;
• опыт работы в Jira/Confluence/Bitbucket;
• желание пробовать новые идеи и готовность непрерывно учиться новому;
• владение английским языком на уровне, как минимум, позволяющем свободно читать специализированную литературу.
Условия:
• Стабильную работу в одном из крупнейших банков страны
• Сильное DS community, большое разнообразие рабочих и внерабочих активностей. telegram
• Конкурентную заработную плату, соцпакет.
• Условия для роста и развития (в т.ч. конференции, тренинги, внутренние программы развития).
• Дружный коллектив единомышленников (все специалисты, занимающиеся машинным обучением объединены одним департаментом для максимально плотного и продуктивного обмена знаниями).
• Передовой стек технологий, высокопроизводительное оборудование.
• Возможность решать разнообразные прикладные задачи с выводом в промышленную эксплуатацию, возможность существенно влиять на результат (в т.ч. в бизнес-смысле) и способы его достижения (вплоть до внесения изменений в архитектуру).
• Квартальный бонус по результатам работы;
• ДМС, страхование жизни;
• корпоративное обучение;
