Используем cookie для работы сайта и статистики. «Хорошо» разрешит ещё и запись сессий.
MMercury
Сан-Франциско, Соединенные Штаты13 дней назад
166 600 – 298 800 USD
в год
Грейд
Senior
Опыт работы
от 3 лет
Формат работы
Офис, Удалённо
Уровень английского
B2, выше среднего
Письмо на почту или сообщение рекрутеру в Telegram
Примерно за неделю до того, как ураган Сэнди обрушился на сушу, две ведущие прогностические модели резко расходились: американская модель безопасно уносила шторм в Атлантику, а европейская резко поворачивала его влево, в сторону Нью-Джерси. Европейская модель не проводила лучшую симуляцию, она запускала ансамбль. Сотни тысяч людей были эвакуированы на основе разброса прогнозируемых данных за несколько дней до того, как любой отдельный прогноз мог бы оправдать их переселение, и 29 октября 2012 года Сэнди пришел на берег почти точно там, где его предсказывали модели. В Mercury мы строим будущее финансовой инфраструктуры для стартапов и растущих бизнесов. Мы предоставляем кредиты этим предприятиям, используя проприетарный доступ к одним из лучших данных для понимания бизнеса заемщика, от банковских транзакций до финансовой отчетности и расчета заработной платы. Мы ищем старших/ведущих специалистов по обработке данных (Data Scientists), чтобы преобразовать эти данные в решение о выдаче кредита, тесно сотрудничая с отделами кредитования, продукта и инженерии.
В этой роли вы будете создавать и управлять уровнем инференса для нашей программы кредитования малого бизнеса; вы будете внедрять его в продакшн с мониторингом и документацией, которые сделают его надежным; и вы поможете отделам кредитования и продукта решить, что именно мы должны кредитовать. Вот некоторые из задач, которые вы будете выполнять: Создавать и управлять моделями, лежащими в основе нашей программы кредитования — классификация транзакций, обнаружение повторяющихся притоков/оттоков, оценка годовой выручки, прогнозирование с учетом сезонности, обнаружение аномалий и многое другое. Преобразовывать «грязные» потоки данных — банковские транзакции, продажи в магазинах и т. д. — в обоснованное представление о состоянии бизнеса. Развертывать модели в производственной среде с возможностью наблюдения, мониторинга и тестирования. Сотрудничать с отделом кредитования по вопросам политики андеррайтинга: какие данные запрашиваются, когда дополнительная информация стоит дополнительных усилий, и как количественно оценить неопределенность. Сотрудничать с отделом продукта по формированию продукта: от размеров основной суммы и ценообразования до условий погашения. Оценивать, насколько предиктивное моделирование действительно влияет на программу андеррайтинга. Устанавливать технический уровень для ML в отделе кредитования.
Для позиции Staff: Опыт создания ML-моделей более 7 лет. Внедрение моделей, которые формировали автоматизированные решения с денежными средствами. Написание кода на Python для продакшена. Глубокие знания, выходящие за рамки моделей классификации; например: временные ряды и прогнозирование, обнаружение аномалий и NLP-модели. Уверенное владение глубоким обучением, трансформерами и LLM. Отличное знание SQL и уверенная работа в хранилище данных. Способность объяснить модель кредитному офицеру, валидатору модели, менеджеру по продукту и инженеру. Способность устанавливать стандарты моделирования для ваших коллег по обработке данных. Наличие количественного образования или эквивалентного опыта, полученного другим путем. Для позиции Senior: Опыт создания ML-моделей более 3 лет, и не менее 1 года в области алгоритмов кредитования. Способность аргументированно и вдумчиво определять, где ML может наилучшим образом повысить эффективность программы андеррайтинга. Некоторые знания об использовании моделей глубокого обучения / трансформеров в профессиональном контексте. Отличное знание Python, опыт работы с производственными сервисами. Отличное знание SQL и уверенная работа в хранилище данных. Способность объяснить модель кредитному офицеру, валидатору модели, менеджеру по продукту и инженеру. Способность устанавливать стандарты моделирования для ваших коллег по обработке данных. Наличие количественного образования или эквивалентного опыта, полученного другим путем.
Прямой опыт моделирования на основе данных банковских транзакций. Опыт кредитования малого бизнеса или кредитных карт для бизнеса. Опыт работы с финансированием на основе выручки, торговыми авансами или аналогичными продуктами.
Полный пакет вознаграждений в Mercury включает базовую заработную плату, опционы на акции (stock options/RSUs) и льготы. Наши диапазоны заработной платы и опционов являются высококонкурентными в индустрии SaaS и финтеха и регулярно обновляются с использованием наиболее надежных данных опросов по компенсации в нашей отрасли. Предложения для новых сотрудников формируются на основе опыта, знаний кандидата, географического положения и внутренней справедливости оплаты по отношению к сверстникам. Наши целевые диапазоны базовой заработной платы для новых сотрудников на эту должность следующие: Сотрудники в США (любое местоположение): 166 600 — 298 800 долларов США Сотрудники в Канаде (любое местоположение): 157 400 — 282 400 канадских долларов
About a week before Hurricane Sandy made landfall, the two leading forecast models flatly disagreed: the American one carried the storm safely out into the Atlantic, the European one turned it hard left into New Jersey. The European model wasn't running a better simulation, it was running an ensemble. Hundreds of thousands of people were evacuated on the strength of the spread in forecast distribution, days before any single forecast could have justified moving them, and on October 29th, 2012, Sandy came ashore almost exactly where the models had put it. At Mercury, we're building the future of financial infrastructure for startups and growing businesses. We're extending credit to those businesses, and we're doing it with proprietary access to some of the best data for understanding a borrower's business, from bank transactions to financial reporting to payroll. We're looking for a Senior/Staff Data Scientists to turn that record into a lending decision, partnering closely with Credit, Product, and Engineering. In this role, you'll build and own the inference layer behind our small business lending program; you'll ship it into production with the monitoring and documentation that make it trustworthy; and you'll help Credit and Product decide what we should be lending in the first place. Here Are Some Things You'll Do On The Job: Build and own the models behind our lending program - transaction classification, recurring inflow/outflow detection, annual revenue estimation, forecasting with seasonality, anomaly detection, and more Turn messy data streams - bank transactions, storefront sales, and more - into a defensible view of a business's health Deploy models into a production environment with observability, monitoring, and tests Partner with Credit on underwriting policy: what data is asked for, when follow-up information is worth the friction, and how to quantify uncertainty Partner with Product on the shape of the product: from principal sizes and pricing to repayment terms Assess where predictive modeling actually moves the underwriting program Set the technical bar for ML in Credit You Should: For Staff: Have 7+ years building ML models Implemented models that shaped automated decisions with money on the line Write production-grade Python Have depth beyond classification models; for example: time series and forecasting, anomaly detection, and NLP models Be proficient with deep learning, transformers, and LLMs Be strong in SQL and at home in a data warehouse Be able to explain a model to a credit officer, a model validator, a PM, and an engineer Be able to set modeling standards for your data-science colleagues Have a quantitative degree, or the equivalent built some other way For Senior: Have 3+ years building ML models, and at least 1 year in lending or credit algorithms Be opinionated and thoughtful on where ML can best lift an underwriting program Some exposure to using deep-learning / transformer models in a professional context Be strong in Python, with experience working on production-grade services Be strong in SQL and at home in a data warehouse Be able to explain a model to a credit officer, a model validator, a PM, and an engineer Be able to set modeling standards for your data-science colleagues Have a quantitative degree, or the equivalent built some other way Nice To Have: Direct experience modeling on bank transaction data Experience in small business lending or business credit cards Experience with revenue-based financing, merchant cash advances, or similar products *Mercury is a fintech company, not an FDIC-insured bank. Banking services provided through Choice Financial Group and Column N.A., Members FDIC. Mercury values diversity & belonging and is proud to be an Equal Employment Opportunity employer. All individuals seeking employment at Mercury are considered without regard to race, color, religion, national origin, age, sex, marital status, ancestry, physical or mental disability, veteran status, gender identity, sexual orientation, or any other legally protected characteristic. We are committed to providing reasonable accommodations throughout the recruitment process for applicants with disabilities or special needs. If you need assistance, or an accommodation, please let your recruiter know once you are contacted about a role. Total Rewards The total rewards package at Mercury includes base salary, equity (stock options/RSUs), and benefits. Our salary and equity ranges are highly competitive within the SaaS and fintech industry and are updated regularly using the most reliable compensation survey data for our industry. New hire offers are made based on a candidate’s experience, expertise, geographic location, and internal pay equity relative to peers. Our target new hire base salary ranges for this role are the following : US employees (any location): $166,600 — $298,800 USD Canadian employees (any location): $157,400 — $282,400 CAD
Сравним навыки, грейд, формат работы и зарплату
Чаще всего от 213 000 до 259 000
Figure
132 000 – 198 000 USD/год
Socure
140 000 – 170 000 USD/год