Middle Data Scientist (Fintech)

Локация: Алматы; удалённый или гибридный формат работы в Алматы.

Компания

Bereke Bank — один из крупнейших банков Республики Казахстан.

Что делать

• Готовить витрины признаков из продуктовых, транзакционных, заявочных данных и истории коммуникаций, очищать данные и контролировать их качество.
• Строить и развивать propensity-модели для кредитных и транзакционных продуктов.
• Разрабатывать NBA-логику выбора продукта, оффера и канала с учётом бизнес-правил, приоритетов и риск-ограничений.
• Создавать рекомендательную систему для персонализации баннеров в мобильном приложении с ежедневным пересчётом.
• Выводить модели в продакшен, выполнять регулярный скоринг и интегрировать решения с системами кампаний.
• Мониторить качество и стабильность моделей, проводить переобучение, A/B-тесты и оценивать инкрементальный эффект.

Требования

• Высшее математическое или техническое образование.
• От 2 лет опыта в роли Data Scientist или ML-инженера, включая не менее 1 года в клиентской аналитике, маркетинге или CRM в банках, финтехе, телекоме или ритейле.
• Уверенный Python: pandas, numpy, scikit-learn, градиентный бустинг — LightGBM, XGBoost или CatBoost; умение писать чистый переиспользуемый код.
• Уверенный SQL: оконные функции, CTE, оптимизация сложных запросов; PostgreSQL и/или Oracle.
• Опыт построения моделей бинарной классификации на реальных данных, понимание утечек данных, временной валидации out-of-time и дисбаланса классов.
• Понимание рекомендательных систем: коллаборативная фильтрация, матричные разложения, ранжирование и метрики precision@k, recall@k, NDCG, MAP.
• Знание математической статистики для дизайна и анализа A/B-тестов: расчёт выборки, проверка гипотез и доверительные интервалы.
• Ответственность, аналитический склад ума, самостоятельность и инициативность.

Культура и преимущества

• Официальное трудоустройство в одном из крупнейших банков Республики Казахстан.
• Гибридный или удалённый формат работы в Алматы.
• Возможность влиять на бизнес-показатели и создавать масштабные ML-решения.
• Сильная инженерная культура, отсутствие бюрократических тупиков и свобода выбора инструментов и подходов.
• Развитый социальный пакет, профессиональный рост и обучение.