- Зарплата
- от 300 000 ₽
Senior Data Scientist / ML Engineer
Оценка ИИИнтересная задача по запуску продукта на глобальном уровне и достойная заработная плата. Вакансия привлекательна для опытных специалистов, желающих работать с реальным финтехом и сложными данными.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Улучшите резюме под эту вакансию
Возьмём требования и создадим новую версию резюме с акцентом на нужный опыт
Сложность вакансии
Оценка ИИРоль требует глубоких знаний в области кредитного скоринга и опыта работы с международными рынками, что усложняет поиск подходящих данных и адаптацию моделей. Необходимо уметь работать с «грязными» данными и выстраивать сложные ML-пайплайны.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИПредложенная зарплата от 300 000 рублей соответствует нижней границе рыночного диапазона для Senior ML-специалистов в России, но может быть выше в зависимости от итоговых договоренностей. На международном рынке для таких ролей медиана обычно выше.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
от 300 000 ₽/месяц
Удаленка, Фултайм
Ищем Data Scientist / ML Engineer для запуска кредитного скоринга на международных рынках. Предстоит адаптировать модели и scoring pipeline к новым странам, оценивать качество и обрабатывать разнородные данные — от финансовой отчётности и документов до внешних и альтернативных источников...(Откликнуться)
**⚠️ Будьте внимательны: иногда мошенники маскируют свои схемы под вакансии реальных компаний, никому не передавайте доступ к своим аккаунтам или устройствам.
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Machine Learning
- Credit Scoring
- Python
- Data Analysis
- ML Pipelines
- NLP
Возможные вопросы на собеседовании
Важно понять, как кандидат справляется с отсутствием или низким качеством данных при выходе на новый рынок.
Как бы вы подошли к разработке скоринговой модели для страны, где у нас еще нет исторической базы дефолтов?
Проверка навыков работы с признаками, специфичными для финансового сектора.
Какие альтернативные источники данных (alternative data) вы считаете наиболее полезными для оценки кредитоспособности малого бизнеса?
Оценка понимания бизнес-метрик и их связи с ML-метриками.
Как вы оцениваете экономическую эффективность модели скоринга помимо стандартных метрик вроде Gini или ROC-AUC?
Проверка инженерных навыков в области MLOps.
Расскажите о вашем опыте автоматизации переобучения и мониторинга моделей в продакшене.
Проверка умения работать с документами и текстами.
Какие методы NLP вы бы применили для извлечения признаков из финансовой отчетности и учредительных документов?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
