Data Scientist (Risk)

Локация: Москва, Варшавское шоссе, 9с1Б. Доступны работа на месте работодателя, гибридный формат — 4 дня в офисе и 1 удалённо — или полностью удалённая работа.

Занятость: полная. Опыт: 3–6 лет.

Компания

Мокка — финтех-сервис в сегменте BNPL, обслуживающий более 12 млн пользователей и свыше 9 500 партнёрских магазинов в России и Восточной Европе.

Что делать

• Разрабатывать end-to-end data-сервисы на основе ML-моделей для снижения Cost of Risk.
• Создавать online-модели оценки риска дефолта новых клиентов, антифрод-модели и collection-модели.
• Проверять внешние источники данных и оценивать экономический эффект их подключения или пилотирования.
• Рассчитывать финансовый эффект от моделей и готовить презентации для бизнес-пользователей.
• Развивать полный цикл моделирования — от feature engineering до внедрения в продакшен, мониторинга качества и retraining.

Требования

• Опыт промышленной разработки на Python и разработки и внедрения скоринговых, collection- и антифрод-моделей.
• Понимание жизненного цикла моделей: от бизнес-задачи до мониторинга качества и retraining.
• Умение тестировать внешние источники данных и рассчитывать экономику подключения или пилота.
• Знание валидации моделей, ключевых метрик и аналитик.
• Опыт feature engineering и знание классических алгоритмов машинного обучения.
• Опыт работы с одним из фреймворков: Django, Flask или FastAPI.
• Хорошее знание SQL, опыт работы с Git и знание математической статистики.

Хорошо, если есть

• Знание Airflow и Docker.
• Опыт работы с PyTorch и знание алгоритмов глубокого обучения.

Культура и преимущества

• Полное соблюдение ТК РФ и бонусная система, основанная на достижении KPI.
• Гибридный или полностью удалённый режим работы; офис расположен в бизнес-центре «Даниловская мануфактура» рядом с метро «Тульская».
• ДМС, возможность выбрать технику и профессиональное обучение.
• Профессиональная команда, открытая коммуникация и возможности развития.
• Аккредитованный ИТ-работодатель, минимум бюрократии и возможность использовать сложные алгоритмы при их целесообразности.
• Возможность улучшать английский язык.