Data scientist in banking

АКБ «Узпромстройбанк» приглашает в свою команду специалиста на позицию Data Scientist. Мы ищем специалиста, который умеет анализировать данные, выявлять закономерности, разрабатывать статистические и Machine Learning модели и применять аналитические решения для повышения эффективности бизнес-процессов банка. Для нас важно не только владение техническими инструментами, но и способность понимать бизнес-задачи, быстро изучать новые предметные области и трансформировать бизнес-проблемы в аналитические задачи.

• Анализ данных различных бизнес- и функциональных направлений банка
• Трансформация бизнес-задач в задачи Data Science, Machine Learning и статистического анализа
• Сбор, очистка, обработка и исследование данных
• Проведение Exploratory Data Analysis (EDA), выявление закономерностей, аномалий и факторов, влияющих на бизнес-показатели
• Разработка, обучение, тестирование и оценка статистических и Machine Learning моделей
• Проведение Feature Engineering и подготовка данных для моделирования
• Оценка качества, интерпретация и валидация моделей
• Подготовка аналитических выводов и практических рекомендаций для бизнес-подразделений
• Участие во внедрении разработанных моделей и решений в бизнес-процессы банка
• Мониторинг качества и стабильности моделей, выявление Data Drift и Concept Drift
• Взаимодействие с бизнес-подразделениями и другими заинтересованными сторонами для определения аналитических задач и оценки результатов

• Уверенное владение Python, включая библиотеки Pandas или Polars, NumPy, Scikit-learn
• Практические навыки работы с SQL: JOIN, CTE, оконные функции, подзапросы, агрегатные функции и аналитические запросы
• Знание математической статистики и теории вероятностей
• Понимание принципов и практическое применение алгоритмов Machine Learning: Regression и Classification; Decision Tree, Random Forest, Gradient Boosting; XGBoost, LightGBM или CatBoost; Clustering и PCA; Anomaly Detection
• Практические навыки проведения EDA и оценки качества данных (Data Quality)
• Знание методов Feature Engineering и подготовки данных для моделирования
• Понимание методов оценки и валидации моделей: Cross-validation, Out-of-time validation, Backtesting, а также методов выявления Overfitting и Underfitting
• Знание метрик оценки моделей: Accuracy, Precision, Recall, F1, ROC-AUC, PR-AUC, MAE, RMSE и других
• Понимание принципов интерпретации моделей и объяснения результатов с использованием Feature Importance, SHAP и других подходов
• Навыки работы с Jupyter Notebook/JupyterLab
• Базовые знания Git/GitHub/GitLab и принципов Version Control
• Высшее образование в области Data Science, Computer Science, прикладной математики, статистики, эконометрики, инженерии, экономики или других количественных дисциплин
• Диплом по профильному направлению не является обязательным при наличии сильных практических навыков и подтвержденного опыта работы с данными
• Способность самостоятельно изучать техническую документацию и библиотеки на английском языке
• Будет плюсом: Опыт работы с банковскими, финансовыми или транзакционными данными; Знание Spark/PySpark и принципов распределенной обработки данных; Опыт работы с Docker, MLflow или аналогичными инструментами; Знание Airflow и принципов построения Data Pipelines; Опыт работы с Data Warehouse, Data Lake, ETL/ELT; Знание методов Time Series Analysis и Forecasting; Опыт работы с NLP, Deep Learning и LLM; Навыки визуализации данных с использованием Power BI, Tableau, Plotly или аналогичных инструментов; Опыт внедрения и мониторинга моделей в промышленной среде (MLOps)

• Возможность участвовать в разработке и внедрении современных Data Science и Machine Learning решений в банковской сфере
• Работа с данными и задачами различных бизнес-направлений крупного банка
• Возможность профессионального развития и освоения новых технологий
• Взаимодействие с профессиональной командой и участие в значимых аналитических проектах
• Возможность влиять на развитие data-driven подхода в банковских бизнес-процессах