Data Scientist (CVM)
Ташкент, помощь с релокацией.
Наш сегодняшний вызов - создать самый продвинутый digital банк в Узбекистане. Мы ищем Data Scientist.
AVO bank (АО «AVO bank») — это современный цифровой коммерческий банк Республики Узбекистан, базирующийся в Ташкенте. Название происходит от узбекского слова havo, что означает «воздух». Банк специализируется на розничных финансовых услугах и мобильном банкинге.
Команда AVO SERVICES AND TECHNOLOGY создает новый технологичный розничный банк на рынке Узбекистана. Основная концепция сервиса - клиент самостоятельно может получить все услуги банка через мобильное приложение и устройства самообслуживания.
Основной фокус роли — продуктовые и клиентские ML-задачи: CRM, churn/retention, propensity, uplift, LTV, клиентская сегментация и оптимизация коммуникаций.
Это позиция для человека, которому интересно не просто обучать модели, а помогать банку лучше понимать клиентов: кого удерживать, кому и когда делать предложение, какой клиент принесёт больше ценности, где коммуникация даст эффект, а где только создаст лишнюю нагрузку.
Обязанности:
Фичи и Feature Platform: проектировать, разрабатывать и валидировать признаки; обеспечивать их корректную доступность в обучении и на инференсе (offline/online), поддерживать документацию и жизненный цикл фичей.
Качество фичей: оценивать значимость, устойчивость и влияние признаков (статистика, leakage, drift), оптимизировать существующие и добавлять новые.
Модели end-to-end: разрабатывать и улучшать ML-модели, проводить эксперименты, валидацию и интерпретацию результатов.
Шипмент в прод: доводить решение до production-уровня совместно с ML/Engineering: пайплайны, CI/CD, MLOps, мониторинг качества и данных после релиза.
Требования:
Feature Platform / Feature Engineering
Понимает, что такое фича в продуктовой и технической логике: определение, окно агрегации, гранулярность, entity key, правила обновления, offline/online.
Умеет разрабатывать фичи в платформе/feature store (Feast или аналог): источники данных, материализация, контроль качества, версионирование и повторяемость расчётов.
Знает типовые риски: data leakage, смещение, дубли, несогласованность ключей, временные сдвиги, корректная работа с time-aware данными.
Моделирование
Уверенно строит ML-модели на табличных данных: постановка задачи, разметка таргета, валидация (CV/Time-split), подбор метрик, тюнинг.
Умеет объяснять вклад факторов и принимать решения по фичам/модели на основе данных (feature importance, SHAP/аналоги, ablation, стабильность по сегментам).
Технический стек: Python + SQL + DWH
Сильный Python для продакшн-кода: pandas/NumPy, scikit-learn, CatBoost/LightGBM (или аналоги), аккуратная структура проекта, тестируемость.
Сильный SQL: сложные JOIN'ы, оконные функции, агрегации, оптимизация запросов; уверенная работа с DWH (Greenplum/PostgreSQL).
Понимает, как строить воспроизводимые датасеты и расчёты на больших данных (производительность, профилирование, контроль ресурсов).
Production mindset: CI/CD и MLOps
Понимает полный ML-цикл: подготовка данных → обучение → артефакты → деплой → инференс → мониторинг.
Имеет опыт/понимание: Git, CI/CD, Docker, MLflow (или аналог), базовый мониторинг (качество модели, drift, data quality, latency).
Плюсом будет
Практика в задачах маркетинга и поведения клиентов: churn/retention, uplift, таргетинг, сегментация, LTV, A/B-мышление.
Опыт продуктовой аналитики и коммуникации: умение формулировать гипотезы и переводить результаты анализа в конкретные бизнес-решения.
Условия:
Трудоустройство в соответствии с ТК Республики Узбекистан.
Оплачиваемый отпуск и больничные.
Помощь с релокацией для тех, кто переезжает в солнечный Ташкент.
Высокая конкурентная заработная плата.
Амбициозный проект, в котором ты будешь играть одну из важнейших ролей.