Middle / Middle+ / Senior Data Scientist

Позиция: Middle / Middle+ / Senior Data Scientist Куда: Альфа-Банк, Департамент Разработки Моделей, Розничный Бизнес Формат работы: гибрид — Москва, м. Технопарк + удаленно Вилка gross: 200 000 – 400 000 ₽/мес Что нужно делать? • Участие в проекте умного ценообразования банковских продуктов в роли разработчика моделей; • Полный цикл разработки моделей: сбор данных, проектирование и реализация различных архитектур моделей, обучение, валидация и вывод в прод; • Разработка моделей для оценки эффекта воздействия, в основном uplift-моделей; • Анализ A/B-тестов и оценка влияния моделей на бизнес-метрики; • Работа с большими объемами банковских данных, создание новых признаков и их применение в моделях; • Генерация и проверка гипотез, улучшение качества моделей и поиск новых подходов к решению бизнес-задач. Требования: • Middle / Middle+ / Senior DS с опытом разработки моделей полного цикла; • Опыт работы с uplift-моделями будет преимуществом; • Глубокие знания математики, теории вероятностей и математической статистики; • Хорошее знание методов машинного обучения; • Умение работать с данными: анализ, очистка, подготовка, отбор и создание признаков; • Уверенное знание Python и библиотек для анализа данных и машинного обучения: pandas, scikit-learn, scipy, xgboost, lightgbm и т.п.; • Понимание A/B-тестирования и методов оценки эффекта; • Умение связывать технические решения с бизнес-задачами и учитывать специфику доменной области; • Развитое логическое мышление; • Опыт участия в хакатонах будет плюсом. Что предлагаем: • Интересные задачи и дружный коллектив; • Feature Store и AutoML — baseline-решения из коробки; • Автоматизированные сервисы по выводу моделей в пром; • Максимум исследования и минимум бюрократии и рутины; • Возможность влиять на решения в розничном бизнесе Альфа-Банка. Ответы на 10 важных вопросов: 1. Данные: обычно Hadoop — все данные Альфа-Банка + внешние источники по API. Часть данных может быть в Oracle. 2 . Железо: kuber до 64 ядер + 512 ГБ оперативы. Хадуп — 6TB, 1000+ ядер. Продакшн: система исполнения моделей + команда MLOps. Для работы: ноутбук + удалённое рабочее место. 3. Масштаб влияния на core-бизнес: модели влияют на ключевые банковские процессы и продуктовые решения в розничном бизнесе, в том числе на умное ценообразование банковских продуктов. 4. Уровень развития Data Science в компании: все линии бизнеса покрыты ML-моделями, где необходимо — успешно внедрен DL. 5. Роль дата-сайентиста: ДС-ы участвуют в постановке задачи, совместно с командой разработки генерят идеи развития. ДС-ы подготавливают код для внедрения в прод, выполняют функцию сопровождения сервиса для пользователей. 6. Бэкграунд у вашего руководителя: Linkedin 7. Как часто вам будут мешать работать: внутренние созвоны с командой и заказчиками, основной фокус — на разработке моделей, исследованиях и внедрении. 8. Карьерный рост: формализована матрица компетенций. Ежеквартально происходят «круглые столы» с пересмотром и защитой. 9. Prod / Research: Prod 80%. 10. Функция сервиса или лидера: сервис/лидер — 70%/30%. 📧 Отправить CV: @lisenokDan