Data Scientist
АКБ «Узпромстройбанк» приглашает в свою команду специалиста на позицию Data Scientist.
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.
Основные 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.
Требования к кандидату:
Технические знания и навыки:
-
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.
Будет преимуществом:
-
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).
Образование:
-
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.
Мы предлагаем:
-
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.
Как откликнуться:
Будем рады рассмотреть отклики кандидатов, соответствующих всем обязательным требованиям, указанным в вакансии.
Если вы умеете превращать данные в аналитические решения, заинтересованы в развитии Data Science и готовы применять современные технологии для решения реальных бизнес-задач, направляйте свое резюме для рассмотрения на позицию Data Scientist.
Похожие вакансии Data Science & ML
Ищем техлида AI/ML, который с одной стороны построит внутреннюю self-service платформу для разработки, запуска и эксплуатации корпоративных AI-решений, а с другой — станет техническим лидом крупных кросс-функциональных AI-инициатив внутри компании.
Сегодня внутренние AI-проекты в компании реализуются, но достаточно медленно и не системно. Цель роли — изменить этот подход: дать бизнес-подразделениям (бухгалтерия, продажи, дизайн и т.д.) единую платформу, где они смогут сами создавать и запускать агентов под общие процессы — без командной строки, в понятном интерфейсе, с текстовым описанием задачи.
Система, шаблоны и AI-помощь, чтобы команды запускали решения самостоятельно, а техлид выступал как AI-гуру и технический лидер: помогал бизнес-заказчикам сформулировать задачу и понять, где агент действительно уместен, а где нет; предлагал архитектуру и инструменты; показывал, как не плодить десятки локальных решений, а приходить к одному централизованному агенту на сквозной процесс; и оставался точкой экспертизы, к которой приходят за советом, а не за готовым кодом
Обязанности:
- Создать и развивать единое AI-пространство (AI Workspace) для повседневной работы сотрудников: удобный интерфейс взаимодействия с AI-агентами, самостоятельное подключение корпоративных систем (Confluence, Jira, Figma и др.), настройка агентов и управление их возможностями;
- Отвечать за техническую реализацию внутренних AI-инициатив (повышение эффективности продаж, автоматизация и улучшение качества техподдержки, Customer Success и др.) от прототипа до production — определять возможности и ограничения AI, создавать прототипы, проектировать целевую архитектуру и механизмы интеграции, выстраивать пайплайны оценки качества и мониторинга;
- Работать с внутренними командами разработки (AI/ML, Backend, Data Engineering, архитектура, DevOps, кибербезопасность) — формировать технические требования, декомпозировать задачи и вместе реализовывать решения;
- Формировать инженерные практики и AI-экспертизу среди сотрудников компании.
Требования:
- Практический опыт проектирования и разработки сложных AI/Backend-систем, включая построение API, интеграций и переиспользуемых компонентов;
- Понимание принципов построения платформенных и self-service решений: масштабируемая архитектура, управление доступами, CI/CD, оркестрация, безопасность, мониторинг и observability;
- Опыт технического лидерства кросс-функциональных инициатив: формирование технического видения и архитектуры, декомпозиция, принятие технических решений и координация команд разработки;
- Глубокое понимание архитектуры и принципов работы современных AI/LLM-систем: агентные системы, управление контекстом и памятью, инструменты и скиллы, MCP, structured outputs, RAG, prompt engineering, методы оценки качества, управление cost/latency;
- Практический опыт разработки и вывода в production решений на базе ML/LLM, уверенное владение Python, опыт работы с популярными LLM-фреймворками (LangGraph, LangChain или аналоги) и различными LLM;
- Умение быстро разбираться в новых бизнес-процессах и технологиях, самостоятельно формировать технические решения и доводить их от идеи до работающего продукта;
- Желание быть драйвером внедрения и масштабирования AI, развития инженерных практик и AI-экспертизы в компании.
Будет плюсом:
- Опыт создания корпоративных AI-ассистентов и агентных платформ, интеграции агентов с внешними системами и инструментами;
- Опыт создания и сопровождения центров компетенций, обучения сотрудников и распространения лучших практик;
- Опыт автоматизации внутренних бизнес-процессов, в том числе с использованием process mining.
Условия:
- Возможность выбора места работы: удаленно или из офиса.
- Гибкий график рабочего дня.
- Оформление в соответствии с ТК РФ, «белая» заработная плата, выплачиваемая точно в срок.
- Корпоративное ДМС с первого месяца работы (решаем вопросы со здоровьем быстро и удобно).
- Возможность профессионального развития, обучение за счет компании, участие в специализированных конференциях.
HireSeeker собирает вакансии со всех площадок и присылает только релевантные. Бесплатно.