Senior Data Scientist (Risk Modeler)
Summary
Senior Data Scientist at a leading Uzbek commercial bank, owning the full lifecycle of credit-risk ML scoring models (application PD, behavioral, antifraud, collection, income estimation) — from feature engineering and stakeholder requirements to deployment, automation (MLOps), and monitoring, using Python and SQL on large data volumes.
Если вы эксперт в области предиктивного моделирования, обладаете глубокими знаниями в сфере кредитных рисков и готовы работать с масштабными данными — мы ждем вас в нашей команде!
Основные обязанности:
-
Полный цикл моделирования: Разработка, валидация, деплоймент, калибровка, автоматизация и регулярный мониторинг ML-моделей (скоринг) в блоке рисков: Application (PD), Behavioral, Antifraud, Collection, Income Estimation и другие.
-
Бизнес-коммуникация: Взаимодействие со стейкхолдерами и бизнес-заказчиками для сбора требований, формирования методологии и защиты результатов моделирования.
-
Feature Engineering: Исследование новых внутренних и внешних источников данных (кредитное бюро, транзакционная активность, альтернативные данные), подготовка технических заданий для создания витрин, генерация новых признаков.
-
MLOps и автоматизация: Участие в автоматизации пайплайнов разработки, развертывания и мониторинга моделей.
-
База знаний: Документирование и поддержка версионности процессов MDLC: данные, скрипты, библиотеки.
Наши требования к кандидату:
-
Образование: Высшее профильное образование в области STEM (Science, Technology, Engineering, Mathematics).
-
Профильный опыт: От 3 лет коммерческого опыта работы в кредитных рисках в банках или финтехе. Отличное понимание банковских процессов и жизненного цикла кредитования в Узбекистане.
-
Математическая база: Отличное знание и понимание теории вероятностей, математической статистики, а также методов оценки качества признаков и моделей.
-
Алгоритмы: Уверенное знание классических методов машинного обучения (Linear/Logistic Regression, Bayesian Classification, Decision Trees, Random Forest, KNN) и ансамблей (Gradient Boosting: XGBoost, LightGBM, CatBoost).
-
Python: Свободное владение библиотеками Pandas, NumPy, Scikit-Learn, Scipy и опыт написания модульных скриптов по разработке ML-моделей.
-
SQL: Уверенное знание работы с DB/DWH и умение писать запросы разной сложности (аналитические функции, оптимизация производительности на больших объемах данных).
Будет большим плюсом:
-
Знание инструментов оркестрации данных, деплоймента и трекинга моделей (Airflow, MLflow, Git, Docker).
-
Опыт построения классических PD моделей в кредитных рисках на рынке Узбекистана.