Инженер по интеграции и поддержке аналитических систем (антифрод)
Оценка ИИПозиция в крупной компании с полным соцпакетом (ДМС, спорт) и интересными задачами на стыке Data Engineering и Data Science. Гибридный график и работа с актуальными технологиями делают вакансию привлекательной для опытных специалистов.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сложность вакансии
Оценка ИИРоль требует редкого сочетания навыков: глубокой экспертизы в Oracle PL/SQL и практического опыта в Machine Learning. Дополнительную сложность придает необходимость знания специфики телеком-отрасли и нормативной базы (41-ФЗ).
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИВ вакансии не указана точная сумма, однако для специалистов уровня Senior/Middle+ с таким стеком (PL/SQL + ML) в Москве рыночные предложения обычно начинаются от 250 000 рублей. Учитывая масштаб компании и сложность задач, можно ожидать конкурентоспособную компенсацию.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
Инженер по интеграции и поддержке аналитических систем (антифрод)
В департамент гарантирования доходов и противодействия телекоммуникационному мошенничеству крупной телеком-компании требуется инженер, который будет развивать аналитическую среду и модели выявления мошенничества.
Формат: гибрид (4 дня в офисе, 1 удалённо)
Занятость: полная
Вилка: по результатам собеседования, в зависимости от опыта
Оформление: ТК РФ с первого дня
Локация: Москва
Опыт: от 4 лет в IT на позиции аналитика или разработчика (телеком, банки)
Образование: техническое высшее (прикладная математика, информатика)
Чем предстоит заниматься
Разработка и данные (около 50% времени)
• Разработка на Oracle PL/SQL: хранимые процедуры, функции, пакеты, загрузки и витрины данных
• Автоматизация процедур, обработка событий, мониторинг, логирование и алертинг
• Валидация отправляемых данных, тестирование при выходе новых версий систем
• Разработка и внедрение новых сценариев выявления в ГИС «Антифрод» (41-ФЗ)
Машинное обучение (около 25% времени)
• Разработка моделей выявления мошеннических абонентов и вызовов: классификация, скоринг, поиск аномалий
• Подготовка и обогащение данных (CDR, профили абонентов, сигнальный трафик, данные ГИС «Антифрод»), построение поведенческих и сетевых признаков
• Обучение, валидация и оценка качества моделей, калибровка порогов под новые схемы мошенничества
• Вывод моделей в промышленную эксплуатацию, мониторинг качества и переобучение
Взаимодействие и документация (оставшееся время)
• Работа с регулятором, операторами связи, банками и профильными подразделениями компании
• Ведение документации по системам и сценариям, подготовка отчётов и презентаций
• Выявление новых схем мошенничества, ведение матрицы рисков, участие в расследовании инцидентов вместе с безопасностью
• Подготовка ТЗ на доработки ИТ-систем и участие в приёмке
Что мы ожидаем от кандидата
• Продвинутый SQL и опыт разработки на Oracle PL/SQL
• Python: pandas, NumPy, scikit-learn
• Знание методов ML и метрик качества моделей
• Знание видов телеком-мошенничества и методов их выявления, технологий мобильной сети
• Excel (Power Query, OLAP, макросы), BI-инструменты
• Желательно: Hadoop, Spark
• Аналитический склад ума, коммуникабельность, умение работать со смежными подразделениями
• Английский язык на базовом уровне
Будет плюсом: опыт разработки антифрод- или скоринговых моделей
Мы предлагаем
• Оформление по ТК РФ с первого дня
• ДМС со стоматологией
• Компенсацию расходов на спорт и изучение языков
• Материальные выплаты
Отклики: резюме присылайте Откликнуться
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Oracle PL/SQL
- Python
- Pandas
- NumPy
- Scikit-learn
- Machine Learning
- Hadoop
- Spark
- Excel
- Power Query
- OLAP
Возможные вопросы на собеседовании
Проверка навыков оптимизации и работы с большими объемами данных в Oracle.
Расскажите о вашем опыте оптимизации сложных PL/SQL процедур для обработки больших массивов CDR-данных. Какие методы вы использовали?
Оценка понимания специфики антифрод-моделей и работы с несбалансированными выборками.
Какие метрики качества (Precision, Recall, F1, ROC-AUC) вы считаете наиболее приоритетными при выявлении мошеннических звонков и почему?
Проверка знаний предметной области телекома.
С какими типами телеком-фрода вы сталкивались (например, Wangiri, IRSF) и какие признаки в данных наиболее характерны для их обнаружения?
Оценка навыков интеграции ML-решений в продакшн.
Опишите ваш процесс вывода ML-модели в промышленную эксплуатацию: как вы организуете мониторинг качества и принимаете решение о переобучении?
Проверка умения работать с регуляторными требованиями.
Есть ли у вас опыт взаимодействия с ГИС «Антифрод»? Какие основные сложности возникают при внедрении сценариев выявления согласно 41-ФЗ?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
