yandex
SeniorУдалённоПолная занятость

Senior Data scientist (кредитные риски)

ИИОценка ИИ

Отличное предложение с высокой зарплатой (до 550к), прозрачными требованиями и гибким форматом работы. Позиция предполагает серьезное влияние на бизнес-показатели компании через ML.

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 именно в кредитных рисках (МФО/банки) и наличием сильной математической базы. Необходимо владеть полным циклом разработки — от математики до деплоя через веб-фреймворки.

Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.

Анализ зарплаты

Медиана450 000 ₽
Рынок350 000 ₽ – 600 000 ₽
ИИОценка ИИ

Предлагаемая зарплата до 550 000 ₽ находится на верхней границе рыночного диапазона для Senior Data Scientist в России, что делает вакансию крайне конкурентоспособной. Типичный медианный уровень для таких ролей в финтехе составляет около 400 000 - 450 000 ₽.

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

Selecty

Senior Data scientist (кредитные риски)

до 550 000 ₽ за месяц, до вычета налогов

Опыт работы: более 6 лет

Полная занятость

График: 5/2

Формат работы: удалённо или гибрид или офис

*☑️* Чем предстоит заниматься

-Разработка e2e data-сервисов на основе ML-моделей для снижения Cost of Risk: online-модели оценки вероятности дефолта новых клиентов, антифрод-модели, collection-модели

-Построение и валидация скоринговых моделей для микрофинансового бизнеса: feature engineering, выбор алгоритмов, оценка качества, retraining

-Регулярная проверка новых источников данных и расчёт экономики их подключения/пилота для снижения Cost of Risk

-Полный жизненный цикл модели: от бизнес-задачи до мониторинга качества и переобучения

-Расчёт финансового эффекта от моделей, подготовка презентаций для бизнес-пользователей

*☑️* Наши пожелания к кандидатам

-Промышленная разработка на Python

-Опыт разработки и внедрения скоринговых моделей, моделей collection, антифрод-моделей — обязательно в кредитной/микрофинансовой сфере

-Понимание жизненного цикла ML-моделей: от бизнес-задачи до мониторинга и retraining

-Валидация моделей, знание ключевых метрик и аналитик

-Feature engineering

-Знание классических алгоритмов машинного обучения

-Опыт работы с одним из фреймворков Django/Flask/FastAPI

-SQL на хорошем уровне, опыт работы с Git

-Знание математической статистики

-Профильное образование: сильный математик, чистый Data Scientist

Контакты: Откликнуться

*🔥* Подписаться на наши каналы / Откликнуться / Откликнуться

Больше похожих вакансий + автоотклики с ИИ

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

Больше похожих вакансий + автоотклики с ИИ

Навыки

  • Git
  • Python
  • Machine Learning
  • SQL
  • Statistics
  • Feature Engineering
  • FastAPI
  • Flask
  • Django
  • Anti-fraud
  • Scoring Models

Возможные вопросы на собеседовании

Вакансия сфокусирована на кредитных рисках, поэтому важно понимать специфику оценки качества именно в этой области.

Какие метрики вы считаете наиболее критичными при валидации скоринговых моделей для МФО и почему (Gini, PSI, KS)?

Работа предполагает создание e2e сервисов, что требует навыков разработки.

Расскажите о вашем опыте деплоя ML-моделей с использованием FastAPI или Flask. Как вы организуете мониторинг производительности модели в продакшене?

Одной из задач является расчет экономики подключения новых источников данных.

Как вы оцениваете финансовый эффект (ROI) от внедрения новой антифрод-модели или добавления нового признака в скоринг?

Требуется опыт в Feature Engineering.

Какие специфические признаки (features) вы бы выделили как наиболее значимые для оценки вероятности дефолта новых клиентов в условиях ограниченных данных?

Упоминается работа с моделями взыскания (collection).

В чем принципиальное отличие в подходах к обучению моделей оценки вероятности дефолта (PD) и моделей для стратегий взыскания (Collection)?

Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.

Похожие вакансии

S
Selecty
Россиядо 550 000 ₽
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!