Кей Групп

Ml engineer in credit scoring

Коротко

ML Engineer / Data Scientist для разработки и внедрения системы кредитного скоринга малого и среднего бизнеса в одном из крупнейших банков Узбекистана, проект реализуется совместно с международной консалтинговой компанией. Требуется от 3 лет опыта в Data Science/ML, опыт в банковской сфере, уверенное знание Python (Pandas, NumPy, Scikit-learn), SQL, алгоритмов ML (Logistic Regression, Random Forest, Gradient Boosting) и Feature Engineering. Работа удалённая, полная занятость, зарплата $2 500–3 300 в месяц.

Описание
В один из крупнейших банков Узбекистана ищем ML Engineer / Data Scientist для участия в масштабном проекте по разработке и внедрению системы кредитного скоринга для малого и среднего бизнеса (МСБ). Проект имеет национальный масштаб и реализуется при участии одной из ведущих международных консалтинговых компаний. Это возможность не просто заниматься разработкой отдельных ML-моделей, а непосредственно влиять на архитектуру, качество и развитие системы кредитного скоринга, которая будет использоваться для оценки кредитоспособности малого и среднего бизнеса.
Задачи
•Разработка, обучение и внедрение ML-моделей для оценки кредитоспособности субъектов малого и среднего бизнеса
•Анализ больших массивов финансовых, транзакционных и других данных для построения скоринговых моделей
•Разработка и оптимизация признаков (Feature Engineering), отбор наиболее значимых факторов кредитного риска
•Оценка качества моделей, их валидация, калибровка и повышение точности прогнозирования
•Разработка и поддержка ML-пайплайнов для подготовки данных, обучения моделей и расчёта скоринговых оценок
•Мониторинг качества моделей после внедрения, выявление деградации и обновление моделей
•Взаимодействие с командами Data Engineering, IT, риск-менеджмента и бизнеса
•Участие в разработке архитектуры и дальнейшем развитии скоринговой платформы
•Взаимодействие с экспертами международной консалтинговой компании в рамках реализации проекта
Требования
•Опыт работы в Data Science / Machine Learning от 3 лет
•Практический опыт разработки, обучения и внедрения ML-моделей
•Опыт работы в банковской или финансовой сфере
•Уверенное владение Python и основными библиотеками для анализа данных и машинного обучения: Pandas, NumPy, Scikit-learn
•Хорошее знание SQL и опыт работы с большими массивами данных
•Понимание алгоритмов машинного обучения: Logistic Regression, Random Forest, Gradient Boosting (XGBoost, LightGBM, CatBoost)
•Опыт Feature Engineering, оценки качества моделей и работы с метриками классификации (ROC-AUC, Gini, Precision, Recall и др.)
•Понимание принципов построения ML-пайплайнов и вывода моделей в промышленную эксплуатацию
Будет плюсом
•Опыт разработки моделей кредитного скоринга, особенно для малого и среднего бизнеса
•Опыт работы с моделями оценки кредитного риска (PD, Probability of Default)
•Понимание банковских кредитных процессов и принципов риск-менеджмента
•Опыт работы с транзакционными, финансовыми и альтернативными источниками данных
•Знание MLOps-инструментов: MLflow, Airflow, Docker, Git
•Опыт мониторинга ML-моделей, работы с Data Drift и Model Drift
•Опыт взаимодействия с международными командами и консалтинговыми компаниями
Условия
•Официальное трудоустройство в штат одного из крупнейших банков Узбекистана
•Заработная плата: $2 500–3 300 в месяц (эквивалент в местной валюте, условия обсуждаются)
•Участие в масштабном проекте национального значения
•Возможность непосредственно влиять на создание и развитие системы кредитного скоринга для МСБ
•Высокий уровень самостоятельности и ответственности за технические решения
•Совместная работа с одной из ведущих международных консалтинговых компаний
•Возможность развивать экспертизу на пересечении Machine Learning, банковского риск-менеджмента и финансовых технологий
•Работа над продуктом, который будет использоваться в реальных банковских процессах

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