Team Lead Data Science

Чем предстоит заниматься

• Внедрение моделей машинного обучения.
• Сопровождение полного цикла сборки модели.
• Обработка и анализ данных.
• Поддержание коммуникаций с разработчиками моделей.
• Проработка архитектуры моделей.
• Тестирование и участие в разработке пайплайнов внедрения моделей.

Наши пожелания к кандидатам

• Опыт работы в стеке от 3-х лет.
• Ключевой стек: Python, Airflow/Argo WorkFlow, MLflow, Hadoop, PySpark, Kafka, Seldon/Kserve, Kubernetes, Jenkins.
• Опыт работы с моделями машинного обучения.
• Опыт внедрения моделей машинного обучения как сервисы.
• Опыт бэкенд-разработки, веб-разработки.
• Опыт разработки с LLM, NLP-моделями.
• Опыт с Docker, Kubernetes.

Что мы предлагаем

• Стабильный и прозрачный доход: размер заработной платы обсуждается по итогам собеседования.
• Удаленный формат работы.
• Сложные и интересные задачи, современный стек технологий.
• Возможность вертикального и горизонтального карьерного роста: регулярно проходят тренинги, вебинары, митапы и демо-дни.
• Доступ к бесплатным корпоративным библиотекам Alpina Digital, MyBook и бизнес-изданиям.
• Предложения от Банка только для сотрудников: собственный спортзал, а также скидки на услуги туристических агентств, продукты питания, в рестораны, бары, магазины.
• Работа у трижды лучшего работодателя РФ по версии hh.ru, Forbes, РБК.
• Программа развития ИИ-грамотности: треки по работе с нейросетями от базового до продвинутого уровня.

Обязанности

• Разработка, деплоймент, поддержка и мониторинг классификационных, uplift и регрессионных моделей: Application Scoring, Behavioral Scoring, Income Estimation, Antifraud Scoring, Collection Scoring
• Анализ эффективности новых источников данных с последующим их внедрением в существующие и разрабатываемые модели
• Общение с Product Owner, выявление бизнес-потребностей
• Коммуникация со смежными командами: Data Engineers, DevOps, Data Analysts
• Поведенческая и клиентская аналитика

Требования

• Уверенное владение Python и соответствующими библиотеками: catboost, xgboost, lightgbm, statsmodels, scikit-learn, optuna, FastAPI, git
• Уверенное владение инструментами для анализа и визуализации данных: SQL, pandas, seaborn, matplotlib
• Уверенное знание теории вероятности и статистики
• Высшее образование в STEM (Science, Technology, Engineering, Mathematics)
• Наличие опыта разработки классификационных моделей от 2 лет
• Будет большим преимуществом умение работать с такими инструментами как Airflow, MLFlow, Power BI

Условия

• Возможность решать интересные прикладные задачи с непосредственным влиянием на бизнес-результат по множеству банковских продуктов: Cash Loan, Mortgage, Car Loan, Loans for Medium and Small Enterprises
• Условия для роста и развития:
• работа в одной из лучших DS/ML команд Узбекистана
• возможность участия в конференциях и командировках
• Работа с различными доменами данных: соцдем, карточные транзакции, доходы, кредитная история, телеком, финансовая отчетность компаний и др.
• Годовой бонус

Чем предстоит заниматься:

• Разработка и оптимизация RAG-систем на базе LLM (LLaMA, GPT-подобные модели) для обработки внутренних документов, отчётов и регламентов ключевых заказчиков;
• Реализация и тонкая настройка классических NLP-моделей: текстовая классификация, извлечение именованных сущностей (NER), семантический анализ, извлечение ключевых метаданных;
• Интеграция NLP-моделей в существующие ETL- и BI-процессы, обеспечение стабильной работы в продуктивной среде;
• Работа с большими объёмами структурированных и неструктурированных данных (PDF, DOCX, XML, логи, базы данных);
• Документирование архитектуры, метрик качества и процессов развертывания моделей;
• Участие в проектах предиктивной аналитики для клиентов из ритейла, транспорта и промышленности: прогнозирование спроса, оптимизация логистики, предиктивное обслуживание оборудования;
• Разработка ML-моделей на основе внешних признаков, обработанных LLM (погода, новости, рыночные индикаторы, геоданные, телеметрия);
• Создание автоматизированных ML-отчётов и инфографик с визуализацией результатов (Power BI, Streamlit, Plotly, Tableau) — с акцентом на понятность для бизнес-пользователей;
• Применение LLM для генерации текстовых резюме, аналитических выводов и рекомендаций на основе данных (например: “Снижение спроса на товар X в регионе Y связано с ростом цен на логистику и погодными условиями”);
• Построение пайплайнов ML/LLMOps: от сбора данных до деплоя и мониторинга моделей;
• Участие в презентациях для клиентов: демонстрация результатов, объяснение моделей, подготовка кейсов.

Здорово, если у тебя есть:

• Высшее образование (IT, техническое, математическое);

• Опыт разработки RAG-систем (векторные базы, реранкинг, retrieval-стратегии);

• Глубокое понимание классических NLP-задач: классификация, NER, сущностное извлечение, токенизация, эмбеддинги (BERT, RoBERTa, FastText и др.);

• Практический опыт работы с LLM (Hugging Face, LangChain, LlamaIndex, vLLM, Ollama) и их адаптацией под бизнес-задачи;

• Уверенное владение Python (Pandas, Scikit-learn, PyTorch/TensorFlow), SQL, Git, Docker;

• Опыт работы с ML-отчётами и инфографикой: умение превращать сложные модели в понятные визуализации для бизнеса;

• Опыт работы в проектах с внешними данными (API, окрытые данные, телеметрия, гео, рынок) — преимущество;

• Понимание основ MLOps (MLflow, Weights & Biases, Airflow) — желательно;

• Готовность к быстрому погружению в новые направления (ритейл, транспорт, промышленность);

• Английский язык — на уровне чтения технической документации.