Middle Data Scientist (Machine Learning)

Локация: Астана, улица Достык, 13/3; работа на месте работодателя

Зарплата: 1 500 000–2 000 000 KZT в месяц до вычета налогов

Компания

Top-Human подбирает специалиста для работы в НАО «ФСМС» с данными в сфере обязательного медицинского страхования.

Что делать

• Разрабатывать, обучать, валидировать, оптимизировать и оценивать классические модели машинного обучения для классификации, регрессии, прогнозирования, оценки рисков, сегментации клиентов и выявления подозрительной активности.
• Анализировать структурированные данные, проводить исследовательский анализ, выявлять закономерности, тенденции и аномалии.
• Готовить наборы данных: очищать, предварительно обрабатывать и создавать и отбирать признаки.
• Проводить эксперименты, настраивать гиперпараметры, сравнивать алгоритмы и оценивать модели по профильным метрикам.
• Взаимодействовать с Data Engineers и MLOps-инженерами при внедрении моделей, контролировать качество, отслеживать data drift и участвовать в повторном обучении.
• Документировать эксперименты, результаты работы моделей и аналитические выводы.

Требования

• От 1 до 3 лет опыта в роли Data Scientist или ML Engineer; в вакансии также указан общий опыт от 3 до 6 лет.
• Уверенное владение Python и SQL, опыт работы с реляционными базами данных, включая PostgreSQL, ClickHouse или MS SQL.
• Практический опыт с алгоритмами классификации, регрессии, градиентного бустинга, XGBoost, LightGBM и CatBoost.
• Знание методов выявления аномалий, включая Isolation Forest, LOF и статистические подходы.
• Уверенное владение Pandas, NumPy, Scikit-learn и инструментами визуализации; опыт работы с признаками, предобработкой и несбалансированными данными.
• Знание теории вероятностей, математической статистики, проверки гипотез, метрик оценки моделей, кросс-валидации, оптимизации гиперпараметров, предотвращения переобучения и интерпретации моделей.

Хорошо, если есть

• Опыт прогнозирования временных рядов, выявления мошенничества, оценки рисков или построения систем раннего предупреждения.
• Опыт работы с SHAP, LIME, MLflow, DVC или Optuna.
• Понимание MLOps, Docker, Airflow и процессов промышленного внедрения моделей; опыт с PySpark или распределённой обработкой данных.
• Опыт работы с финансовыми, государственными, медицинскими или страховыми данными, а также с конфиденциальными данными в закрытой инфраструктуре или on-premise.

Культура и преимущества

• Полная занятость и работа на месте работодателя в Астане.
• Работа с данными и моделями в сфере обязательного медицинского страхования.