Data Scientist (Риск-центр)

ОАО «Белагропромбанк» приглашает на работу ГЛАВНОГО СПЕЦИАЛИСТА (Data Scientist) Управления риск-аналитики Риск-центра (по результатам собеседования уровень оплаты труда может составить до 8 296 белорусских рублей до вычета налогов)

Мы предлагаем:

- Компенсация затрат на спорт/фитнес

- Медицинское страхование, в том числе членов семьи

- Доступ к обучающим онлайн-курсам и электронной библиотеке

- Внешнее обучение по направлению (курсы, конференции, форумы)

- Насыщенная корпоративная жизнь: турслеты, спортивные соревнования, корпоративы, благотворительные акции, волонтерская деятельность

- Активная поддержка профсоюза: социальные гарантии, помощь в сложных жизненных ситуациях, подарки к праздникам, возможности для раскрытия творческого потенциала

- Вакансия размещена на сайте ГСЗ: https://gsz.gov.by/registration/employer/vacancy/create-future/18935/detail-public/

- Высшее экономическое/математическое образование

- Системное и аналитическое мышление

- Опыт работы в data science и внедрения моделей в промышленную эксплуатацию

- Знание алгоритмов машинного и глубокого обучение, математической статистики, математического анализа и линейной алгебры

- Уверенное использование Python, включая ООП (библиотеки pandas, numpy, matplotlib, seeborn, scikit-learn, pytorch, keras, tensorflow ) и/или R библиотеки (tidyverse, tidymodels, datatable, ggplot2, keras, tensorflow )

- Владение SQL (where, group by, having, подзапросы, все виды join, оконные функции, CTE)

- Опыт работы с ML-инфраструктурой, мониторинга и анализа эффективности моделей

- Анализ функционала в части управления банковскими рисками на предмет использования современных LLM моделей. Анализ требований (от сбора данных до промтов) для возможности внедрения LLM моделей.

- Разработка, сопровождение и валидация моделей машинного обучения в рамках управления банковскими рисками

- Взаимодействие с внутренними и/или внешними разработчиками по развертыванию моделей машинного обучения на уровне Банка

- Подготовка и валидация данных для целей применения (построения) предикативных моделей и моделей машинного обучения. Трансформация, загрузка и объединение данных из разных источников

- Участие в создании и развитии ML-инфраструктуры

- Разработка и внедрение пайплайнов обработки данных и обучения моделей

- Участие в рабочих группах банка по вопросам, связанным с внедрением машинного обучения и искусственного интеллекта

- Разработка и сопровождение ЛПА, регламентирующх работу с данными, концепции разработки и валидации моделей машинного обучения