Data Scientist (Senior)
Оценка ИИИнтересные задачи на стыке ML и финансов в крупном банке, удаленный формат работы. Однако, жесткие бюрократические ограничения и отсутствие указанной зарплаты снижают общую привлекательность.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сложность вакансии
Оценка ИИВысокая сложность обусловлена строгими формальными требованиями (гражданство РФ, отсутствие ИП, наличие военного билета) и необходимостью глубоких знаний в финансовой математике и Big Data стеке. Роль Senior подразумевает ответственность за сложные прогнозные модели в банковском секторе.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИЗарплата в вакансии не указана, но для позиции Senior Data Scientist в банковском секторе РФ рыночный диапазон составляет 300 000 – 450 000 рублей после вычета налогов. Предложение будет конкурентоспособным, если попадет в этот интервал.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
Data Scientist (Senior) — удалённо
Обязательные условия:
— Гражданство РФ, проживание на территории РФ
— Возраст от 25 лет
— Документ воинского учёта в соответствии с законодательством РФ
— Оконченное высшее образование
— Без открытых ИП / ООО
Задачи:
— Разработка поведенческих моделей для сегментов ФЛ по основным продуктам банка
— Модели кластеризации клиентов по поведенческому профилю
— Расчёт финансовых показателей по широкому профилю статей в зависимости от макроэкономических сценариев на прогнозных денежных потоках
— Модели оптимизации финансовых метрик розничного бизнеса
— Анализ данных и разработка моделей для повышения эффективности бизнес-процессов, снижения затрат и рисков
Требования:
— Выпускник ведущего технического и/или финансового вуза
— Знание основных алгоритмов и методов ML и анализа данных: линейные модели, ансамбли, временные ряды, классификация и кластеризация
— Работа с большими объёмами данных (Hadoop, PySpark, SQL), оптимизация запросов
— Python (модули, классы), опыт разработки моделей
— Теория вероятностей и математическая статистика — уверенно
— Research лучших практик
— Хороший английский
Будет преимуществом:
— Понимание экономических процессов, знание финансовых/бизнес-показателей
— Опыт построения моделей прогнозирования клиентского поведения физлиц
— Опыт разработки моделей для расчёта CLTV
— A/B-тестирование (дизайн, оценка финансовых эффектов моделей)
— Экосистема Apache Hadoop (HDFS, Impala, Hive, Hue)
— Apache Spark (PySpark, MLlib, Spark SQL)
— Git
— Финансовая математика, случайные процессы, стохастический анализ
резюме в тг Откликнуться
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Python
- ML
- Hadoop
- PySpark
- SQL
- Time Series
- Classification
- Clustering
- Git
- Hive
- Impala
- HDFS
- Apache Spark
- A/B Testing
Возможные вопросы на собеседовании
Проверка опыта работы с банковской спецификой и понимания жизненного цикла клиента.
Расскажите о вашем опыте разработки моделей CLTV: какие признаки были наиболее значимыми и как вы валидировали результаты?
Оценка навыков работы с большими данными, что критично для банковского сектора.
Как вы оптимизируете PySpark джобы при работе с терабайтами данных и перекосом (skewness) в ключах джойна?
Проверка умения связывать ML-метрики с бизнес-результатами.
Как бы вы подошли к задаче оптимизации финансовых метрик розничного бизнеса с помощью моделей машинного обучения?
Проверка фундаментальных знаний, указанных в требованиях.
В чем разница между стационарными и нестационарными временными рядами, и как это влияет на выбор модели прогнозирования макропоказателей?
Оценка навыков проведения экспериментов.
Опишите дизайн A/B теста для оценки внедрения новой модели сегментации: как рассчитать размер выборки и какие прокси-метрики использовать?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
