МКК Базис

Data Scientist

Коротко

Дата-сайентист в группе компаний Небус (финтех, МКК) для разработки и улучшения скоринговых моделей кредитного риска. Нужен практический опыт кредитного скоринга в банках/МФО/финтехе, глубокий Python (Pandas, NumPy, Scikit-learn, LightGBM/XGBoost), сильная математическая база и уверенный SQL. Работа полностью удалённая, оформление по ГПХ или как ИП.

Привет, легенда!
Мы — группа компаний Небус, развиваем финансовые технологии и МКК. Наш бизнес растёт, и мы усиливаем команду для новых задач. Приглашаем Дата-сайентиста, который разделяет активный подход и ценит уважительную атмосферу в коллективе 🤍
Задачи:
→ Искать закономерности и значимые признаки, влияющие на дефолтность клиентов;
→ Строить и улучшать скоринговые модели (логистическая регрессия, градиентный бустинг, деревья решений);
→ Тюнинговать существующие модели и пересобирать их с нуля при изменении бизнес-среды или появлении новых данных;
→ Создавать прототипы и проверять их качество на исторических и валидационных выборках.
Эксперименты и инсайты:
→ Тестировать риск-правила через А/В-эксперименты: оценивать влияние на долю дефолтов и отсечение надёжных клиентов;
→ Подбирать оптимальные пороговые значения (cut-off) для баланса между прибылью и рисками;
→ Давать рекомендации для новых продуктов на основе анализа потребления клиентов;
→ Мониторить качество моделей в жизни (дрифт данных), предлагать гипотезы по улучшению.
Обязательно:
•Практический опыт разработки скоринговых моделей именно для кредитного скоринга (банки / МФО / финтех);
•Глубокий Python (Pandas, NumPy, Scikit-learn, LightGBM / XGBoost);
•Сильная математика: статистика, теория вероятностей, линейная алгебра — понимание алгоритмов «под капотом»;
•Уверенный SQL (оконные функции, CTE, подзапросы) — уметь самостоятельно собирать выборки из DWH;
•Git;
•Умение формулировать бизнес-гипотезы и проверять их на данных;
•Навык презентации результатов для не-технической аудитории.
Будет плюсом:
•Знание метрик розничных рисков (воронка одобрения, NPL, PD);
•Опыт с MLflow / Airflow (для коммуникации с ML-инженерами);
•2–3 реализованных ML-проекта (желательно в финансах).
Что предлагаем:
•Если твои ценности и навыки совпадут с нашим видением — заплатим столько, сколько попросишь;
•Оформление по договору ГПХ или как ИП (РФ) с возмещением налога;
•Полная удаленка;
•Оплачиваемые отпуска и больничные;
•Все в команде равны, каждый имеет свой голос в коллективном обсуждении задач и реализации новых идей;
•Оплачиваемые командные поездки;
•Легкие на подъем вайбовые ребята, готовые всегда тебе помочь;
•Геймифицированная корпоративная культура;

Хватит откликаться.
Получите рекомендацию.

$10 стартовых кредитов

Всего 60 секунд, полностью на автопилоте — AI-агенты Eraldt читают ваше резюме, определяют подходящие роли, находят живые вакансии и людей, которые могут вас порекомендовать, пишут им личные письма и добиваются рекомендации.

Это не отклик на вакансию: резюме не уходит в компанию, а рекомендацию именно по этой роли мы не обещаем.

Посмотрите, кто ещё получает интервью на автопилоте