Позиция: Middle/Senior Data scientist

Куда? Альфа-Банк, Департамент по разработке моделей, Дирекция продвинутой аналитики юридических лиц.

Формат работы: Гибрид: Москва, м. Технопарк + удаленно.

Я активно нанимаю кандидатов на позиции middle/senior data scientist в команду разработки моделей для клиентов-юридических лиц Альфа-банка. Ищем пока на направления развития рекомендательного движка для продуктов банка в цифровых каналах и оценки потенциальной доходности клиента для банка (CLTV), но есть и другие амбициозные и интересные задачи.

Что нужно делать?

1. Аналитика слабоструктурированных данных в Hadoop, создание новых признаков и их применение в моделях.
2. Эксперименты с нестандартными для классического скоринга подходами для моделирования.
3. Анализ эффективности новых источников данных, тестирование моделей кредитного риска на новых источниках данных.
4. Полный цикл разработки и продуктизации моделей классического ML: — подключение на регулярные звонки по видеосвязи с бизнес-заказчиками. Формирование базового технического задания совместно с заказчиком; — проведение первичной аналитики, демонстрация результатов заказчику, корректировка требований; — формирование ожиданий у заказчика по финальному образу результата и ожидаемым срокам на разработку, тестирование, внедрение решения; — разработка ML-модели/ей для решения бизнес-задачи с нуля, т.е. формирование с помощью SQL-запросов в БД общего датасета и целевого события, разработка одной или нескольких ML-моделей для наиболее оптимального решения задачи, при необходимости разработка дополнительных признаков для повышения качества прогноза.
5. Подготовка материалов (презентации) для демонстрации результатов работы.
6. Продуктизация модельного решения.

Бонус: Дружелюбный профессиональный коллектив из более чем 30 DS-ов, работающих в разных направлениях по развитию процессов, связанных с корпоративным сектором экономики.

Требования: — Физико-математическое, экономико-математическое образование. Хорошее знание теории вероятностей и математической статистики; — Умение работать с данными (анализ, очистка, подготовка, отбор и создание признаков), навыки написания SQL-запросов. Опыт с работы с Hadoop (Hive, Impala, Apache Spark). — Знание Python (в частности, библиотек, применяемых для анализа данных: SciPy, pandas, scikit-learn, XGBoost, LightGBM и т.п.); — Опыт разработки классических ML-моделей (линейные, деревья, бустинги и т.п.). Знание методов обработки данных (подготовки датасетов для обучения), метрик оценки качества. Понимание принципов работы классических алгоритмов ML-моделей. — Коммуникативные навыки: Требуются навыки (наличие опыта) общения с бизнес-заказчиком, т.е. человеком или группой лиц, не имеющих компетенций в ML и глубоких компетенций в аналитике, при этом хорошо понимающих потребности процессов в усилении ML-моделями.