yandex
В офисеПолная занятость

Big Data Scientist

ИИОценка ИИ

Привлекательная вакансия в известной сервисной компании для работы над серьезным финтех-проектом. Релокация в Ташкент может быть интересна как смена обстановки, а работа с современным стеком (PySpark, Cloud) дает отличный профессиональный рост.

Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.


Вакансия из открытого источника
Пожаловаться

Сложность вакансии

ЛегкоСложно
ИИОценка ИИ

Высокая сложность обусловлена требованием глубокой экспертизы в финтехе (IFRS 9, PD/LGD/EAD) и 5-летнего опыта работы с Big Data стеком (PySpark). Также необходим английский язык на уровне выше среднего для международного проекта.

Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.

Анализ зарплаты

Медиана4 500 $
Рынок3 500 $ – 6 000 $
ИИОценка ИИ

Зарплата в объявлении не указана, но для позиции Senior Data Scientist с опытом 5+ лет в Ташкенте рыночные предложения обычно начинаются от $3500-4000. Учитывая международный статус проекта и требования к английскому, компенсация может быть выше среднего по локальному рынку.

Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.

Сопроводительное письмо

Составьте сопроводительное письмо под эту вакансию с вашим резюме

Иллюстрация сопроводительного письмаИллюстрация сопроводительного письма

Описание вакансии

Big Data Scientist in Tashkent

Локация и формат: On-site и full-time в Ташкенте. К рассмотрению приглашаются кандидаты, готовые к релокации

Компания: AndersenLab

Язык: Английский Intermediate+ (B1+/B2)

Ищут опытного Big Data Scientist в Ташкент для международного проекта по разработке автоматизированной платформы корпоративного кредитования (для бизнеса и индивидуальных предпринимателей). Заказчик — крупная технологическая компания в области цифровой инфраструктуры, развивающая высоконагруженные распределенные облачные платформы для обработки больших объемов данных в нескольких регионах. Проект включает внедрение ML-скоринга, предиктивной аналитики и decision engine для оптимизации андеррайтинга и ускорения выдачи займов.

Ключевые задачи:

• Разработка моделей кредитного скоринга и предиктивной аналитики для корпоративных заемщиков.

• Оценка кредитных рисков, повышение точности моделей и участие в развитии высоконагруженной платформы в распределенной облачной среде.

Что важно:

• 5+ лет опыта работы на позиции Data Scientist.

• Опыт работы в финтехе и с банковскими продуктами.

• Практический опыт работы с Python, PySpark и уверенное знание SQL.

• Опыт разработки моделей кредитного скоринга (application и behavioral scoring) и моделей вероятности дефолта (PD).

• Понимание метрик PD, LGD, EAD и их применения в расчетах ожидаемых кредитных убытков (ECL) по стандарту IFRS 9.

• Опыт работы с большими объемами данных (large-scale datasets).

• Опыт валидации моделей, включая расчеты Gini, KS, PSI и проведение бэктестинга.

• Уровень английского языка — от Intermediate+ и выше.

Будет плюсом:

• Опыт работы с корпоративным кредитным скорингом, финансовой отчетностью и внешними источниками данных (кредитные бюро, налоговые органы).

Писать: Откликнуться

Больше похожих вакансий + автоотклики с ИИ

Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.

Больше похожих вакансий + автоотклики с ИИ

Навыки

  • Python
  • Machine Learning
  • SQL
  • Statistics
  • PySpark
  • Big Data
  • Predictive Analytics
  • Credit Scoring
  • IFRS 9

Возможные вопросы на собеседовании

Проект сфокусирован на корпоративном кредитовании, где данные часто более разреженные и сложные, чем в рознице.

Какие специфические признаки (features) вы бы использовали для построения модели скоринга именно корпоративных заемщиков, в отличие от физических лиц?

В описании указано требование понимания стандартов IFRS 9.

Расскажите о вашем опыте моделирования компонентов ECL (Expected Credit Loss). Как вы подходите к оценке Forward-looking информации?

Вакансия требует опыта работы с PySpark и большими данными.

Опишите случай, когда вам приходилось оптимизировать производительность PySpark задания при обработке терабайтных массивов данных. С какими проблемами вы столкнулись?

Валидация — критическая часть работы DS в банке.

Как вы интерпретируете показатель PSI (Population Stability Index) и какие действия предпримете, если заметите его резкий рост на валидационной выборке?

Проект предполагает работу в распределенной облачной среде.

Как вы организуете процесс деплоя и мониторинга ML-моделей в высоконагруженных системах, чтобы обеспечить минимальную задержку (latency) при принятии решений?

Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.

Похожие вакансии

Узбекистан
более 1000 офферов получено
4.9

1000+ офферов получено

Устали искать работу? Мы найдём её за вас

Quick Offer улучшит ваше резюме, подберёт лучшие вакансии и откликнется за вас. Результат — в 3 раза больше приглашений на собеседования и никакой рутины!