Разработка и поддержание моделей кредитного риска для розничного бизнеса (PD, LGD, EAD, досрочного погашения и др.) с помощью методов классического машинного обучения (обобщенные линейные модели, градиентный бустинг, случайный лес и иное).
Создание новых признаков и их применение в моделях с применением самой актуальной инфраструктуры (Feature Store, онлайн каскады).
Эксперименты с нестандартными для классического скоринга подходами для моделирования (например, применение методов рекуррентных нейронных сетей на данных по платежам, полноценное описание, которых простыми переменными, не всегда может быть универсальным).
Поведенческая аналитика и сегментация.
Анализ эффективности новых источников данных, тестирование моделей кредитного риска на новых источниках данных.
Создавать модели и подходы к разработке моделей, о которых можно делать статьи и публикации.
Наши пожелания к кандидатам
Физико-математическое, экономико-математическое образование.
Хорошее знание теории вероятностей и математической статистики, методов машинного обучения.
Умение работать с данными (анализ, очистка, подготовка, отбор и создание признаков), навыки написания SQL-запросов.
Знание Python (в частности, библиотек, применяемых для анализа данных: NumPy, pandas, scikit-learn, XGBoost / LightGBM / CatBoost и т.п.).
Опыт работы с Hadoop (Hive, Impala, Apache Spark) или иными реляционными базами данных.
Опыт работы в Jira/Confluence/Bitbucket.
Желание пробовать новые идеи и готовность непрерывно учиться новому.
Владение английским языком на уровне, как минимум, позволяющем свободно читать специализированную литературу.
Что мы предлагаем
Стабильную работу в одном из крупнейших банков страны.
Сильное DS community, большое разнообразие рабочих и внерабочих активностей.
Конкурентную заработную плату, соцпакет.
Условия для роста и развития (в т.ч. конференции, тренинги, внутренние программы развития).
Дружный коллектив единомышленников (все специалисты, занимающиеся машинным обучением, объединены одним департаментом для максимально плотного и продуктивного обмена знаниями).
Возможность решать разнообразные прикладные задачи с выводом в промышленную эксплуатацию, возможность существенно влиять на результат (в т.ч. в бизнес-смысле) и способы его достижения (вплоть до внесения изменений в архитектуру).
Квартальный бонус по результатам работы.
ДМС, страхование жизни.
Корпоративное обучение.
Работа у трижды лучшего работодателя РФ по версии hh.ru, Forbes, РБК.
Программа развития AI-грамотности: треки по работе с нейросетями от базового до продвинутого уровня.