ML-инженер скоринговых моделей

Мы используем машинное обучение в ключевых бизнес-процессах: скоринг и оценка рисков, прогнозирование спроса, отток и удержание клиентов, антифрод. Модели работают в продакшене и напрямую влияют на деньги, и мы ищем Data Scientist, который возьмёт их на себя от гипотезы до внедрения. Если ты умеешь не только построить модель на табличных данных, но и показать её эффект для бизнеса — ждём тебя.

• Разрабатывать модели на табличных данных: скоринг, отток, LTV, uplift, антифрод;
• Строить модели прогнозирования временных рядов: спрос, нагрузка, финансовые показатели;
• Проводить EDA, генерировать и отбирать признаки (feature engineering);
• Выводить модели в production и поддерживать их: мониторинг качества, дрейф данных, переобучение;
• Оценивать качество моделей (ROC-AUC, Gini, PSI) и эффект внедрения через A/B-тесты;
• Работать в связке с бизнесом: формулировать задачи, проверять гипотезы, презентовать результаты;
• Следить за новыми подходами и внедрять то, что работает.

• Уверенный Python: pandas, numpy, scikit-learn;
• Глубокое знание градиентного бустинга (CatBoost, LightGBM, XGBoost) и классических алгоритмов ML;
• Знание математической статистики и теории вероятностей;
• Опыт проведения A/B-тестов и проверки статистических гипотез;
• Продвинутый SQL;
• Опыт вывода моделей в продакшен;
• Git, культура код-ревью;
• Опыт от 3 лет.
• Будет плюсом: Опыт в финтехе, банке или ритейле: кредитные риски, антифрод, ценообразование; Опыт с временными рядами: Prophet, ETNA, sktime; Spark / PySpark, Airflow, MLflow; Опыт uplift-моделирования и causal inference; Английский для чтения документации и статей; Профильное техническое образование

• Удалённо или гибрид;
• ДМС;
• Бонусы и премии по результатам;
• Оформление по ТК РФ;
• Компенсация спорта;
• Обучение за счёт компании, участие в конференциях.