HA
HamkorBank
Senior Data Scientist (Risk Modeler)
СИГНАЛ JOBRADAR75/100Нормальный сигнал актуальности
ПАСПОРТ ВАКАНСИИ
Что JobRadar наблюдает сейчас
Балл строится только на фактах из источников: свежести подтверждения, возрасте записи и происхождении вакансии. Это не гарантия найма и не оценка работодателя.
Последнее подтверждение11 мин. назад
Впервые замечена1 ч назад
Активные источники1 источник
ПроисхождениеПубличный источник
Описание вакансии
«Хамкорбанк» — один из ведущих коммерческих банков Узбекистана, приглашает в свою команду опытного Senior Data Scientist (Risk Modeler) для усиления направления управления рисками.
Если вы эксперт в области предиктивного моделирования, обладаете глубокими знаниями в сфере кредитных рисков и готовы работать с масштабными данными — мы ждем вас в нашей команде!
Основные обязанности:
- Полный цикл моделирования: Разработка, валидация, деплоймент, калибровка, автоматизация и регулярный мониторинг ML-моделей (скоринг) в блоке рисков: Application (PD), Behavioral, Antifraud, Collection, Income Estimation и другие.
- Бизнес-коммуникация: Взаимодействие со стейкхолдерами и бизнес-заказчиками для сбора требований, формирования методологии и защиты результатов моделирования.
- Feature Engineering: Исследование новых внутренних и внешних источников данных (кредитное бюро, транзакционная активность, альтернативные данные), подготовка технических заданий для создания витрин, генерация новых признаков.
- MLOps и автоматизация: Участие в автоматизации пайплайнов разработки, развертывания и мониторинга моделей.
- База знаний: Документирование и поддержка версионности процессов MDLC: данные, скрипты, библиотеки.
Наши требования к кандидату:
- Образование: Высшее профильное образование в области STEM (Science, Technology, Engineering, Mathematics).
- Профильный опыт: От 3 лет коммерческого опыта работы в кредитных рисках в банках или финтехе. Отличное понимание банковских процессов и жизненного цикла кредитования в Узбекистане.
- Математическая база: Отличное знание и понимание теории вероятностей, математической статистики, а также методов оценки качества признаков и моделей.
- Алгоритмы: Уверенное знание классических методов машинного обучения (Linear/Logistic Regression, Bayesian Classification, Decision Trees, Random Forest, KNN) и ансамблей (Gradient Boosting: XGBoost, LightGBM, CatBoost).
- Python: Свободное владение библиотеками Pandas, NumPy…
Здесь показан очищенный фрагмент описания из источника. Полные условия и актуальность вакансии проверьте на странице работодателя.
ИсточникHeadHunter / IT / UZ