← К каталогу
СБ

СБЕР

ML engineer (антифрод)

ОфисУровень не указанМосква, Россиятолько что
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 подтверждение23 мин. назад
Впервые замеченатолько что
Активные источники1 источник
ПроисхождениеПубличный источник
О ВАКАНСИИ

Описание вакансии

Новый R&D проект по созданию AutoML для оптимизации системы Антифрод-правил.

Эффективность нашей системы Антифрод очень высока, однако этот результат достигается в том числе за счет мощной, но крайне сложной системы ветвистых правил и условий, которые годами создавались и поддерживались экспертами вручную.

Мы создаем инновационный механизм автоматической оптимизации и генерации антифрод-правил. Перед нами стоит амбициозная цель - перестроить сложные бизнес-правила с помощью автоматических алгоритмов, удерживая и улучшая метрики качества. Под капотом - симбиоз классического машинного обучения, методов оптимизации и извлечения знаний из данных. Это чистый R&D с прямым путем в Production

Обязанности

  • Исследования и R&D: Формулировать гипотезы, проводить эксперименты и искать новые математические и алгоритмические подходы к оптимизации и генерации правил
  • (rule learning, set cover, извлечение правил из ансамблей деревьев, кластеризация и тд).
  • Разработка ML-решений: Полный спектр задач классического машинного обучения для покрытия сложной логики принятия решений в Антифроде.
  • Работа с данными: Самостоятельно добывать, готовить и исследовать данные в хранилище Hadoop.
  • Внедрение: Разрабатывать решения на Python, встраивать компоненты в общий пайплайн AutoML.

Требования

  • Опыт: От 2 лет коммерческого опыта в роли Data Scientist или ML-инженера.
  • Широкий ML-кругозор: Уверенное практическое применение классического ML для задач классификации, регрессии и кластеризации (sklearn, Catboost и тд).
  • Инструментарий: Отличные практические навыки работы с Python и SQL. Уверенное владение библиотеками для анализа данных (Pandas, Polars).
  • Mindset: Пытливый ум, любовь к решению нестандартных задач и высокая толерантность к неопределенности. Готовность проводить много экспериментов, из которых не все будут успешными, но каждый будет давать новое знание.

Будет значительным преимуществом

  • Опыт работы с Big Data стеком: PySpark, Hadoop, Hive.
  • Опыт разработки…

Здесь показан очищенный фрагмент описания из источника. Полные условия и актуальность вакансии проверьте на странице работодателя.

ИсточникHeadHunter / Data Scientist / RU