Описание
Описания нет
Задачи
•Строить модели прогнозирования показателей, чувствительности, склонности клиентов к продуктам банка и различных характеристик клиентов
•Разрабатывать пайплайны обработки данных с использованием LLM
•Оптимизировать существующие модели банка
•Тестировать новые источники данных для моделей
•Генерировать и проверять гипотезы для улучшения кредитования юридических лиц с помощью моделей
•Внедрять модели в промышленные процессы совместно с командами DE, MLOps и мониторинга
•Презентовать бизнесу результаты работы и обсуждать применение моделей
Требования
•Знать классическое машинное обучение
•Иметь опыт построения моделей чувствительности, рекомендаций и uplift-моделей
•Иметь промышленный опыт разработки и внедрения моделей на табличных данных
•Уверенно владеть стеком Python: LightGBM, XGBoost, CatBoost, Scikit-Learn, Pandas, NumPy
•Уметь работать со Spark, Hadoop и Hive
•Знать SQL
Будет плюсом: опыт работы с банковскими продуктами, разработки и внедрения онлайн-моделей, построения RAG и пайплайнов с LLM
Условия
•Размер заработной платы обсуждается по итогам собеседования
•Квартальная премия по результатам KPI
•Гибкий график работы
•ДМС с первых дней работы, включая стоматологию, обслуживание в клиниках, страхование и компенсацию 10 дней больничного
•Возможность вертикального и горизонтального карьерного роста
•Тренинги, вебинары, митапы и демо-дни
•Оплата профильных конференций и курсов
•Помощь с подготовкой к публичным выступлениям и написанием статей на Хабр
•Бесплатный доступ к корпоративным библиотекам Alpina Digital, МИФ и бизнес-изданиям
