Инженер машинного обучения (Python)

Мы — команда портфельного менеджмента Т-Лизинга. Отвечаем за развитие подходов к управлению портфелем: ищем возможности для роста, выстраиваем новые стратегии принятия решений и оптимизируем действующие.

В работе соединяем финансовую и риск-аналитику: развиваем NPV- и PD-модели, анализируем доходность и риски разных сегментов, запускаем продуктовые тесты и оцениваем их результаты. На основе данных и моделей помогаем принимать решения о дальнейшем развитии лизингового портфеля.

• Строить, поддерживать и развивать финансовые NPV- и LTV-модели
• Адаптировать модели под изменения лимитно-тарифной политики и финансовых параметров: капитала, фондирования, МПН, МПЛ и резервов
• Рассчитывать и анализировать метрики доходности продукта
• Анализировать сегменты портфеля с точки зрения рисков и доходности, находить зоны роста
• Учитывать результаты скоринговых моделей при построении NPV- и LTV-моделей
• Строить и обновлять поведенческие кривые для финансовых моделей
• Рассчитывать стресс-сценарии развития продукта с помощью NPV- и LTV-моделей
• Проектировать и проводить продуктовые тесты, анализировать результаты
• Взаимодействовать с командами бизнеса, финансов, разработки и юристами

• Знаете математическую статистику и теорию вероятностей на продвинутом уровне, умеете применять A/B-тесты
• Знаете альтернативные методы проверки гипотез: базовые ML-подходы, когортный анализ, синтетический контроль и другие
• Уверенно работаете с SQL и Python
• Понимаете механику работы финансовых продуктов, например кредитных, страховых или дебетовых
• Умеете анализировать данные о процессах, например взыскании или верификации
• Будет преимуществом: умение оценивать качество скоринговых моделей и калибровать их, понимание методологии NPV/LTV, финансовых потоков продукта и влияния поведенческих характеристик на них, знание метрик IRR и ROE, практический опыт построения или адаптации NPV/LTV-моделей под новые продукты, оценки влияния продуктовых изменений на модель, построения логики принятия решений с помощью NPV/LTV и проведения стресс-тестов финансовых моделей

• Гибридный график и офис у метро «Белорусская», в котором есть все что нужно: Т-Клиника, салон красоты, фитнес-зоны, комнаты для сна и медитации. Если захочется поработать на свежем воздухе — терраса с панорамным видом
• Возможность работы в аккредитованной ИТ-компании
• ДМС со стоматологией, включая чекапы, компенсацию покупки лекарств и льготные условия страхования для близких. Еще — страховка от несчастных случаев и болезней
• Рост по карьерному треку: проходите курсы по софт- и хард-скиллам, развивайтесь с поддержкой ментора и повышайте уровень с матрицей компетенций и регулярным ревью
• Сильное комьюнити. Вы будете работать с экспертами в своей области, сможете делиться знаниями и выступать на конференциях, посещать митапы и писать статьи
• Онлайн-консультации с психологами, юристами, специалистами по финансам и здоровому образу жизни
• Компенсацию затрат на спортивные абонементы, приложение Т-Спорта для онлайн-занятий и командные тренировки с коллегами
• Завтраки и обеды в Т-Кафе. В офисе есть ресторан и кофейни, на каждом этаже — кухня, где можно перекусить
• Три дополнительных дня к отпуску — можно использовать для отдыха или получить компенсацию
• Специальные тарифы на продукты Т-Банка и широкую программу скидок от партнеров
• Достойную зарплату — обсудим ее на собеседовании

Location

Berlin, Germany; hybrid format with a minimum number of days per week in the office.

About the company

A global mobility platform operating ride-hailing, food delivery, scooters, e-bikes and car-sharing across 50 countries and 850+ cities, serving over 200 million customers and 4.5 million driver and courier partners.

Work is organised in small, autonomous teams that combine startup speed and ownership with the scale of a major technology company.

Responsibilities

• Own ML systems end to end, from prototype to deployed, monitored and retrained services, maintaining mature models and building new ones
• Design, train and deploy models on tabular, image, video and sensor data, covering vehicle deployment and rebalancing, battery swaps, rider safety, regulatory compliance and pricing
• Turn modelling output into operational and pricing rules with clear economics, validating them through experiments and quasi-experimental analysis
• Collaborate with software engineers, data scientists, product managers, operations and the ML platform team, and write documentation, runbooks and diagnostics

Requirements

• 5+ years in applied data science or ML engineering, ideally in a product setting, with proven hands-on experience building ML systems end to end including testing, monitoring, scaling and impact measurement
• Strong engineering fundamentals: Python and SQL/PySpark, clean code, modern ML tooling and cloud infrastructure such as AWS, SageMaker, Airflow, Docker and MLflow
• Production experience with a deep learning framework (PyTorch, TensorFlow or JAX)
• Experience with experimentation design and causal inference, strong product sense and proactive ownership, comfortable wearing several hats in a small team

Локация

Удалённая работа из любой точки мира либо офис в Ташкенте; в исходных данных также указана Москва.

О компании

Крупная e-commerce-платформа, где маркетинговый бюджет распределяется через промо-механики и программу лояльности.

Команда Customer Value Management отвечает за то, чтобы предложения приносили измеримый инкремент, а не скидку тем, кто купил бы и так.

Что нужно делать

• Развивать uplift-модели промо: повышать качество и покрытие, сравнивать подходы вроде meta-learners и causal forests, валидировать офлайн через Qini/AUUC и онлайн
• Оптимизировать распределение бюджета между пользователями с учётом ограничений и размена между GMV и маржой
• Строить Next Best Offer: переходить от выбора получателя промокода к решению, что, по какому каналу и когда предложить — пуш, бесплатная доставка, механики лояльности
• Доводить наработки до продовой системы с регулярным переобучением, мониторингом, fallback-логикой и разбором инцидентов, запускать и анализировать A/B-тесты
• Работать с маркетинговой аналитикой от постановки задачи до измеримого эффекта: считать инкремент и юнит-экономику, защищать решения перед маркетингом и коммерцией

Требования

• 4+ лет в ML/DS с обучением моделей и выводом их в прод
• Опыт uplift-моделирования или causal inference, а также дизайна, запуска и анализа A/B-экспериментов
• Сильный Python и SQL; стек включает pandas/polars, NumPy, scikit-learn, CatBoost/LightGBM, MLFlow, ClickHouse, Trino, Spark, Airflow, Git, Docker/Kubernetes, GrowthBook
• Понимание юнит-экономики (GMV, выручка, contribution margin) и умение объяснять результаты бизнесу и договариваться о целях и метриках
• Плюсом будет опыт в CVM, промо или программах лояльности, задачи оптимизации при ограничениях и e-commerce