Data scientist

В Департамент CVM массового кредитования АО «Bereke Bank» требуется Middle Data Scientist. Мы строим персонализированные коммуникации с розничными клиентами банка через NBA (Next Best Action). Ищем специалиста, который возьмет на себя полный цикл работы с моделями отклика и рекомендательными системами — от сбора витрин данных до мониторинга в продакшене.

• Готовить данные для моделирования: собирать витрины признаков из банковских источников (продуктовая панель, транзакции, заявки, история коммуникаций), чистить данные и контролировать их качество.
• Строить и развивать propensity-модели (модели отклика) на кредитные и транзакционные продукты (кредиты наличными, кредитные карты, депозиты).
• Разрабатывать NBA-логику: выбор оптимального продукта, оффера и канала для клиента с учётом бизнес-правил, приоритетов и риск-ограничений.
• Создавать рекомендательную систему для персонализации баннеров в мобильном приложении (с ежедневным пересчётом).
• Выводить модели в продакшен: регулярный скоринг, интеграция с системами кампаний.
• Поддерживать модели: мониторить качество и стабильность (PSI, дрейф признаков, деградация метрик), проводить переобучение.
• Оценивать эффект моделей и кампаний с помощью A/B-тестов, считать инкрементальный эффект.
• Переводить бизнес-задачи в ML-постановку, презентовать результаты и формулировать выводы для нетехнической аудитории.

• Высшее математическое или техническое образование.
• Опыт работы в роли Data Scientist или ML-инженера от 2 лет, из них не менее 1 года в клиентской аналитике, маркетинге или CRM (банки, финтех, телеком, ритейл).
• Уверенный Python: pandas, numpy, scikit-learn, градиентный бустинг (LightGBM, XGBoost или CatBoost), умение писать чистый переиспользуемый код.
• Уверенный SQL: оконные функции, CTE, оптимизация сложных запросов, опыт работы с PostgreSQL и/или Oracle.
• Опыт построения моделей бинарной классификации (отклик/отток) на реальных данных: понимание утечек данных, корректной временной валидации (out-of-time) и работы с дисбалансом классов.
• Понимание подходов к рекомендательным системам: коллаборативная фильтрация, матричные разложения, ранжирование и его метрики (precision@k, recall@k, NDCG, MAP).
• Знание математической статистики для дизайна и анализа A/B-тестов (расчёт выборки, проверка гипотез, доверительные интервалы).
• Ответственность, аналитический склад ума, самостоятельность и инициативность.

• Официальное трудоустройство в одном из крупнейших банков РК.
• Комфортный формат работы: гибридный или удаленный формат работы в Алматы.
• Возможность напрямую влиять на бизнес-показатели и создавать масштабные ML-решения.
• Профессиональная среда: сильная инженерная культура, отсутствие бюрократических тупиков, свобода в выборе инструментов и подходов.
• Развитый социальный пакет и возможности для профессионального роста и обучения.