Middle/Senior Data Scientist (Fintech)

Позиция: Middle / Middle+ / Senior Data Scientist
Куда: Альфа-Банк, Департамент Разработки Моделей, Розничный Бизнес
Формат работы: гибрид — Москва, м. Технопарк + удаленно
Вилка gross: 200 000 – 400 000 ₽/мес
Что нужно делать?
• Участие в проекте умного ценообразования банковских продуктов в роли разработчика моделей;
• Полный цикл разработки моделей: сбор данных, проектирование и реализация различных архитектур моделей, обучение, валидация и вывод в прод;
• Разработка моделей для оценки эффекта воздействия, в основном uplift-моделей;
• Анализ A/B-тестов и оценка влияния моделей на бизнес-метрики;
• Работа с большими объемами банковских данных, создание новых признаков и их применение в моделях;
• Генерация и проверка гипотез, улучшение качества моделей и поиск новых подходов к решению бизнес-задач.
Требования:
• Middle / Middle+ / Senior DS с опытом разработки моделей полного цикла;
• Опыт работы с uplift-моделями будет преимуществом;
• Глубокие знания математики, теории вероятностей и математической статистики;
• Хорошее знание методов машинного обучения;
• Умение работать с данными: анализ, очистка, подготовка, отбор и создание признаков;
• Уверенное знание Python и библиотек для анализа данных и машинного обучения: pandas, scikit-learn, scipy, xgboost, lightgbm и т.п.;
• Понимание A/B-тестирования и методов оценки эффекта;
• Умение связывать технические решения с бизнес-задачами и учитывать специфику доменной области;
• Развитое логическое мышление;
• Опыт участия в хакатонах будет плюсом.
Что предлагаем:
• Интересные задачи и дружный коллектив;
• Feature Store и AutoML — baseline-решения из коробки;
• Автоматизированные сервисы по выводу моделей в пром;
• Максимум исследования и минимум бюрократии и рутины;
• Возможность влиять на решения в розничном бизнесе Альфа-Банка.
Ответы на 10 важных вопросов:
1. Данные: обычно Hadoop — все данные Альфа-Банка + внешние источники по API. Часть данных может быть в Oracle.
2. Железо: kuber до 64 ядер + 512 ГБ оперативы. Хадуп — 6TB, 1000+ ядер. Продакшн: система исполнения моделей + команда MLOps. Для работы: ноутбук + удалённое рабочее место.
3. Масштаб влияния на core-бизнес: модели влияют на ключевые банковские процессы и продуктовые решения в розничном бизнесе, в том числе на умное ценообразование банковских продуктов.
4. Уровень развития Data Science в компании: все линии бизнеса покрыты ML-моделями, где необходимо — успешно внедрен DL.
5. Роль дата-сайентиста: ДС-ы участвуют в постановке задачи, совместно с командой разработки генерят идеи развития. ДС-ы подготавливают код для внедрения в прод, выполняют функцию сопровождения сервиса для пользователей.
6. Бэкграунд у вашего руководителя:
7. Как часто вам будут мешать работать: внутренние созвоны с командой и заказчиками, основной фокус — на разработке моделей, исследованиях и внедрении.
8. Карьерный рост: формализована матрица компетенций. Ежеквартально происходят «круглые столы» с пересмотром и защитой.
9. Prod / Research: Prod 80%.
10. Функция сервиса или лидера: сервис/лидер — 70%/30%.
📧 Отправить CV: Показать контакты