ML-разработчик в финтех

Наша команда занимается разработкой и внедрением прикладных ML-решений для финтех-продуктов Яндекса. Мы отвечаем за весь жизненный цикл моделей: от поиска и подготовки данных, построения и обучения ML-моделей до их внедрения в продакшн и последующего поддержания их стабильности. Такой подход позволяет прямо влиять на продукт и оценивать результат по бизнесовым метрикам.

• Прогнозирование LTV (Lifetime Value) клиентов. С помощью ML-моделей прогнозируем долгосрочную ценность каждого клиента для компании. Это позволяет не просто сегментировать аудиторию, а выстраивать клиентоориентированную стратегию: оптимизировать маркетинговые затраты, разрабатывать персонализированные предложения и, как следствие, напрямую влиять на ключевые финансовые показатели бизнеса.
• Моделирование вероятности оттока клиентов (Churn Prediction). Удержать существующего клиента дешевле, чем найти нового. Модели прогнозирования оттока — это инструмент для точечного и своевременного вмешательства, позволяющий не только сократить потери, но и гарантировать стабильный поток доходов от основной клиентской базы.
• Построение uplift-моделей для оптимизации коммуникаций. Определяем, для каких пользователей какая коммуникация будет наиболее эффективна. В результате мы минимизируем раздражение от спама и оптимизируем рекламные расходы, повышая эффективность каждой коммуникации.
• Разработка моделей персональных рекомендаций. Персональные рекомендации значительно улучшают пользовательский опыт, помогая клиентам быстрее находить нужное и открывать новые возможности наших сервисов. Это напрямую ведёт к увеличению вовлечённости, глубины использования продукта и конверсии в целевые действия, что в итоге повышает клиентскую лояльность и доход.
• Построение транзакционных эмбеддингов пользователей. Мы строим нейросетевые модели, которые превращают сырую транзакционную активность пользователей — оплаты в сервисах Яндекса, операции по дебетовой карте — в векторные представления поведенческого профиля клиента. Эти универсальные эмбеддинги усиливают качество моделей в самых разных задачах компании.

• Понимаете принципы классического ML и работали с ним
• Понимаете принципы DL и работали с ним
• Хорошо знакомы с Python и SQL
• Разрабатывали модели и желательно внедряли их в продакшн
• Готовы отвечать за продакшн-модели в рантайме

• Условий в вакансии нет