- Страна
- США
- Зарплата
- 166 600 $ – 250 900 $
Senior Data Scientist - Risk ML
Оценка ИИОтличная вакансия в известном американском финтехе с прозрачной и высокой вилкой зарплаты. Удаленный формат работы и работа с современным стеком делают позицию крайне привлекательной для опытных специалистов.
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 ИИВысокая сложность обусловлена строгими требованиями к опыту (от 5 лет), необходимостью глубоких знаний в риск-менеджменте и умением работать с неструктурированными данными в финтехе. Роль Senior подразумевает полную ответственность за жизненный цикл моделей в продакшене.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИПредложенная зарплата ($166k–$251k) полностью соответствует и даже несколько превышает медиану для Senior Data Scientist в США, особенно для удаленного формата. Верхняя граница вилки характерна для топовых финтех-компаний.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
Senior Data Scientist - Risk ML Mercury
Зарплата: $166,600—$250,900
Местоположение: United States
Формат работы: Удаленно
Опубликована: 01.10.2026
Требования:
• Опыт от 5 лет работы с большими датасетами, из них 3+ года в ML
• Уверенный SQL и работа с неидеальными данными
• Уверенный Python, статистическое моделирование и машинное обучение
• Опыт деплоя и мониторинга ML-моделей в продакшене
О компании:
Mercury — финтех для банкинга и финансовых процессов компаний; им пользуются более 300K стартапов.
Контакт: Откликнуться
Откликнуться в LinkedIn
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- SQL
- Python
- Machine Learning
- Statistical Modeling
- MLOps
- Monitoring
Возможные вопросы на собеседовании
Проверка навыков работы с реальными данными и понимания бизнес-логики рисков.
Расскажите о самом сложном случае работы с «грязными» данными: как вы выявляли аномалии и какие методы очистки использовали для риск-модели?
Оценка технической зрелости кандидата в вопросах эксплуатации моделей.
Как вы организуете мониторинг дрейфа данных (data drift) и концептуального дрейфа (concept drift) для моделей оценки рисков в реальном времени?
Проверка владения инструментарием и понимания производительности.
Какие библиотеки Python и подходы к оптимизации SQL-запросов вы используете при обработке терабайтных датасетов?
Оценка способности принимать архитектурные решения.
Опишите ваш опыт деплоя ML-моделей: какие инструменты CI/CD и оркестрации вы предпочитаете и почему?
Специфика финтеха и безопасности.
Как вы балансируете между точностью модели (precision/recall) и необходимостью минимизировать ложноположительные срабатывания в системе антифрода?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
