ML-инженер (Classic ML)

Data Scientist (Classic ML)

Мы используем машинное обучение в ключевых бизнес-процессах: скоринг и оценка рисков, прогнозирование спроса, отток и удержание клиентов, антифрод. Модели работают в продакшене и напрямую влияют на деньги, и мы ищем Data Scientist, который возьмёт их на себя от гипотезы до внедрения.

Если ты умеешь не только построить модель на табличных данных, но и показать её эффект для бизнеса — ждём тебя.

Обязанности

• Разрабатывать модели на табличных данных: скоринг, отток, LTV, uplift, антифрод;

• Строить модели прогнозирования временных рядов: спрос, нагрузка, финансовые показатели;

• Проводить EDA, генерировать и отбирать признаки (feature engineering);

• Выводить модели в production и поддерживать их: мониторинг качества, дрейф данных, переобучение;

• Оценивать качество моделей (ROC-AUC, Gini, PSI) и эффект внедрения через A/B-тесты;

• Работать в связке с бизнесом: формулировать задачи, проверять гипотезы, презентовать результаты;

• Следить за новыми подходами и внедрять то, что работает.

Требования

• Уверенный Python: pandas, numpy, scikit-learn;

• Глубокое знание градиентного бустинга (CatBoost, LightGBM, XGBoost) и классических алгоритмов ML;

• Знание математической статистики и теории вероятностей;

• Опыт проведения A/B-тестов и проверки статистических гипотез;

• Продвинутый SQL;

• Опыт вывода моделей в продакшен;

• Git, культура код-ревью;

• Опыт от 3 лет.

Будет плюсом

• Опыт в финтехе, банке или ритейле: кредитные риски, антифрод, ценообразование;

• Опыт с временными рядами: Prophet, ETNA, sktime;

• Spark / PySpark, Airflow, MLflow;

• Опыт uplift-моделирования и causal inference;

• Английский для чтения документации и статей;

• Профильное техническое образование.

Условия

• Удалённо или гибрид;

• ДМС;

• Бонусы и премии по результатам;

• Оформление по ТК РФ;

• Компенсация спорта;

• Обучение за счёт компании, участие в конференциях.

•