Data Scientist
Описание
О роли Ищем дата-сайентиста, который хочет не просто строить модели, а видеть их реальный эффект на бизнес. Вы будете разрабатывать модели для одного из ключевых направлений, а основным заказчиком станет портфельный менеджер - то есть решения будут напрямую влиять на управление портфелем и бизнес-результат. Мы не делаем задачи «в стол»: у каждой модели есть измеримый бизнес-эффект, и вы будете видеть, как ваша работа отражается на цифрах компании. Специфика направления В основе бизнеса - несколько независимых брендов, у каждого своя продуктовая линейка. Часть клиентских связей уже описана в графовой базе Neo4j, но пространство для улучшений здесь огромное - есть куда расти и что улучшать. Помимо построения моделей вы будете заниматься исследовательскими адхоками: например, оценивать потенциал новых переменных или источников данных до того, как они попадут в продакшн. Как устроен пайплайн моделирования Постановка задачи - вместе с заказчиком определяете цель модели: что значит «хорошая модель» в этом контексте и какие бизнес-проблемы она должна закрыть. Работа с данными для части источников переменные уже готовы; сложные новые источники реализует команда дата-инженеров (ДЕ), а вы выступаете постановщиком задачи как внутренний заказчик; часть источников на базовом уровне вы прорабатываете самостоятельно. Моделирование - эксперименты, выбор и обоснование лучшей модели. Внедрение - реализация модели в виде класса по шаблону на MLflow. Мониторинг - постановка модели на мониторинг через собственный сервис компании. Что вы получите Полный цикл от идеи до продакшна и мониторинга - без разрыва между «наукой» и «внедрением». Прямую связь с бизнес-результатом: по каждой модели можно посчитать эффект. Разнообразие задач: от классического моделирования до исследовательских адхоков и оценки новых источников данных. Возможность пробовать новые подходы и технологии на реальных данных, а не в изоляции. Хард-скилы Python (уверенное владение функциями, классами, ООП-подходом); Pandas, scikit-learn; SQL (индексы, оконные функции, CTE). Софт-скилы Гибкость подходов к задачам; Желание пробовать новое и не бояться экспериментов; Умение увидеть новые возможности - в существующих данных или в state-of-the-art технологиях - и применить их к текущим процессам. Мы предлагаем Участие в развитии международной финтех-группы. Международную команду и динамичную рабочую среду.