Разрабатывать скоринговые модели: PD / LGD / EAD / транзакционный и поведенческий скоринг.
Участвовать во всех этапах ML-жизненного цикла:
Взаимодействие с бизнес-заказчиками: сбор требований, постановка задач, согласование целей и метрик.
Исследование и подготовка данных, генерация признаков.
Построение и валидация моделей (оценка, сравнение, калибровка).
Вывод моделей в production (деплой) и автоматизация пайплайнов.
Настройка и поддержка мониторинга качества моделей.
Проводить R&D для повышения качества скоринга:
Исследование и тестирование новых архитектур и алгоритмов.
Использование альтернативных источников данных для генерации дополнительных фичей.
Оценка бизнес-эффективности и интерпретация результатов.
Требования:
2+ года опыта в построении ML-моделей (финтех, банки, scoring-задачи — в приоритете).
Отличное знание Python и ML-библиотек: pandas, numpy, sklearn, LightGBM / CatBoost / XGBoost, PyTorch.
Уверенное владение SQL (сложные аналитические запросы, оконные функции).
Понимание классических и современных алгоритмов: логистическая регрессия, бустинг, случайный лес, нейросети.
Опыт построения ML-пайплайнов и деплоя моделей в production.
Умение взаимодействовать с бизнесом и продуктом, интерпретировать результаты в бизнес-контексте.
Понимание регуляторных требований.
Знание MLOps-инструментов: MLflow, DVC, Airflow, Docker.
Условия: