Middle Data Scientist (Risk/ML)

Локация: Алматы, улица Желтоксан, 191; гибридный формат — офис в Алматы и удаленные дни

Компания

Bereke Bank развивает банковские продукты и риск-модели на основе больших объемов данных.

Что делать

• Самостоятельно вести ML-модели и другие Data Science-решения по полному жизненному циклу: от анализа данных и гипотез до production, мониторинга и сопровождения.
• Совместно с бизнесом определять задачи, формулировать и проверять гипотезы, разрабатывать и улучшать модели и аналитические решения.
• Анализировать качество и деградацию моделей, выявлять причины изменений и определять необходимые действия.
• Участвовать в развитии инфраструктурных инструментов команды, ревью решений коллег и обмене опытом.
• Представлять результаты и обосновывать решения перед бизнесом, валидаторами и другими стейкхолдерами.

Требования

• От 3 лет опыта Data Scientist в банковском секторе, МФО или финтехе с практикой разработки риск-моделей: кредитные риски, скоринг, фрод или коллекшн.
• Уверенное владение Python, включая pandas, numpy, scikit-learn, LightGBM, CatBoost и XGBoost, а также продвинутый SQL.
• Глубокое понимание метрик оценки моделей: ROC-AUC, Gini, KS и PSI; принципов контроля устойчивости решений.
• Понимание мониторинга данных и моделей, включая data quality, data drift и concept drift.
• Знакомство с ML в production: Docker, API, CI/CD, версионирование данных и моделей, воспроизводимость экспериментов.
• Умение понятно объяснять сложные технические и математические концепции бизнесу, стейкхолдерам и валидаторам.
• Самостоятельность, системный подход к декомпозиции задач и внимание к качеству кода.

Хорошо, если есть

• Понимание PD, LGD, EAD и МСФО 9, а также опыт взаимодействия с аудиторами или регулятором.
• Опыт или интерес к LLM/GenAI, AI-агентам и автоматизации аналитических пайплайнов в задачах Risk Data Science.

Культура и преимущества

• Работа с большими объемами данных и прямое влияние моделей на финансовые и риск-показатели банка.
• Гибридный график: офис в Алматы и удаленные дни.
• Сильная инженерная культура, свобода выбора инструментов и подходов, отсутствие бюрократических тупиков.
• Официальное трудоустройство, конкурентная заработная плата по результатам интервью и развитый социальный пакет.
• Возможности профессионального роста и обучения.