Чем предстоит заниматься:
- Разрабатывать скоринговые ML-модели: PD / LGD / EAD / uplift Approval Rate;
- 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.
Что мы ищем в идеальном кандидате:
- 2+ года опыта в построении ML-моделей (финтех, банки, scoring);
- 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;
Что тебя ждёт в Zaman bank:
-
Команда профессионалов, где ценят инициативу, взаимное уважение и живую коммуникацию;
-
Свобода для идей — мы верим, что лучшие решения рождаются, когда людям дают пространство для творчества;
-
Современный стек технологий, включая AI решения. А еще проекты, в которых вы сможете влиять на архитектуру, процессы и развитие продукта;
-
Выбор формата работы по согласованиею с руководителем ( офис Алматы/Астана или удаленка/гибрид)
-
Стабильность и прозрачность — оформление по ТК РК с первого дня, «белая» зарплата и понятная зона ответственности;
-
ДМС после испытательного срока и современная техника для работы.