- Страна
- Казахстан
- Зарплата
- 500 000 ₽ – 700 000 ₽
Откликайтесь
на вакансии с ИИ
Quantitative Risk Analyst/ Data scientist/ Statistician
Оценка ИИПозиция в крупном и стабильном банке с четко определенными задачами и конкурентной заработной платой для региона. Отличная возможность для профессионального роста в сфере количественных рисков.
Сложность вакансии
Оценка ИИРоль требует глубоких знаний в статистике, эконометрике и машинном обучении, а также понимания специфики банковских рисков. Валидация моделей — это ответственный процесс, требующий высокой точности и аналитического склада ума.
Анализ зарплаты
Оценка ИИПредложенная зарплата в 500,000 - 700,000 KZT NET находится в пределах рыночной нормы для специалистов уровня Middle в Астане. Верхняя граница предложения соответствует ожиданиям опытных аналитиков в банковском секторе Казахстана.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в ForteBank уже сейчас
Присоединяйтесь к команде одного из крупнейших банков Казахстана и развивайте свои навыки в валидации сложных моделей!
Описание вакансии
Quantitative Risk Analyst/ Data scientist/ Statistician
ForteBank
500,000 to 700,000 KZT NET per month
Astana / Office
ForteBank is one of Kazakhstan’s largest banks
Responsibilities:
• Conduct independent validation of credit risk, financial risk, stress-testing, statistical and ML models.
• Assess model methodology, assumptions, data quality, implementation and performance
• Develop benchmarks models
• Perform backtesting, sensitivity and stability analysis
• Identify, assess and monitor model risks
Requirements:
• Statistics and econometrics, including probability distributions, hypothesis testing, regression analysis and time-series methods.
• ML (decision trees, gradient boosting)
• Model validation metrics (discrimination, calibration, stability)
• Python or R
• Bachelor’s or master’s in statistics, mathematics, economics, DS, CS, or related
Optional requirements:
• Experience with credit risk models
• Knowledge of banking risk-management and model-development processes
• English
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- Machine Learning
- Statistics
- Credit Risk
- Regression Analysis
- R
- Econometrics
- Time Series Analysis
- Gradient Boosting
- Decision Trees
Возможные вопросы на собеседовании
Проверка фундаментальных знаний статистики, необходимых для оценки качества моделей.
Как вы проверяете гипотезу о нормальности распределения остатков в регрессионной модели и почему это важно?
Валидация моделей требует понимания метрик качества.
В чем разница между калибровкой и дискриминационной способностью модели? Какие метрики вы используете для их оценки?
Оценка практических навыков работы с алгоритмами машинного обучения.
Какие основные проблемы могут возникнуть при использовании градиентного бустинга в кредитном скоринге и как их диагностировать?
Проверка понимания специфики банковских рисков.
Что такое бэктестинг (backtesting) и какие основные тесты вы бы провели для валидации модели PD (Probability of Default)?
Оценка навыков работы с временными рядами.
