Data scientist
Оценка ИИОтличное предложение от топового банка с прозрачной системой премий и конкурентной зарплатой. Гибридный формат работы и работа над критически важными для бизнеса задачами (антифрод) делают вакансию очень привлекательной.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сложность вакансии
Оценка ИИПозиция требует сильной технической базы и опыта в специфической области антифрода. Высокая планка по Python и SQL в сочетании с необходимостью глубокого погружения в бизнес-контекст делает отбор достаточно строгим.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИПредложенная зарплата (300-500к гросс) находится на уровне выше среднего для Senior Data Scientist в Москве. С учетом квартальных премий совокупный доход может значительно превышать рыночные медианы.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
Data scientist / Альфа-Банк
*🗺* Гибрид.
300-500к гросс + квартальные премии
Обязанности:
- Погружаться в бизнес-контекст антифрода и комплаенса, изучать процессы, данные и текущие модели
- Находить точки роста и предлагать новые ML-подходы
Требования:
- Законченное высшее техническое образование
- Опыт в Data Science, уверенный Python и SQL
*➡* Откликнуться
Вакансии │ Стажировки │ За рубежом │ Удалёнка │ БИГТЕХ │ Мероприятия │ По всему миру │ IT и DIGITAL
*🐣* Софи - первый ai ассистент для автооткликов и поиска работы.
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Python
- SQL
- Machine Learning
- Data Science
- Anti-fraud
Возможные вопросы на собеседовании
Проверка понимания специфики работы с несбалансированными данными, характерными для антифрода.
Какие метрики качества вы бы использовали для оценки модели антифрода и почему точность (accuracy) здесь не подходит?
Оценка навыков работы с данными и SQL.
Опишите ваш подход к проектированию признаков (feature engineering) для выявления подозрительных транзакций.
Проверка владения Python и библиотеками ML.
Как вы будете бороться с переобучением модели при работе с временными рядами транзакционных данных?
Оценка способности интегрировать ML в бизнес-процессы.
Как бы вы объяснили бизнес-заказчику логику принятия решения «черным ящиком» (моделью), если транзакция была заблокирована?
Проверка знаний в области комплаенса.
С какими основными типами мошенничества в банковской сфере вы знакомы и какие методы ML наиболее эффективны для их обнаружения?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
