Data Scientist/ML инженер (удаленная работа)

Вакансия: Data Scientist/ML инженер

Описание вакансии

Старший специалист по разработке нейронных сетей

Ищем человека на роль Senior/middle Data Scientist в направление работы с внутренними клиентами отдела Монетизации нейронных сетей, отдел отвечает за разработку R&D решений для Core-бизнеса банка.
Тебе предстоит решать сложные и амбициозные задачи на стыке различных направлений деятельности: оценка риска, cltv, склонность, рекомендации.
На данной позиции предстоит заниматься задачами, связанными с графами и/или RL для оптимизации процессов принятия решений
Общаться с бизнес-заказчиками и контрагентами, ответственными за все этапы жизненного цикла моделей.
Команда сфокусирована на построении сложных процессов и моделей на стыке R&D и Run деятельности, поэтому на позиции будет очень важны hard-скиллы

Опыт работы по специальности: от 3-х лет.

Основные требования:

• Высшее образование
• Знания в RL и Графовых нейросетях
• Отличные знания в области классического ML и DL
• Подтверждённый опыт реализации и внедрения моделей в бизнес-процессы
• Как большой плюс - опыт в построении моделей рисков
• Опыт работы с "джентельменским" набором DL инженера: torch, pandas, numpy, networkX, PyG, matplotlib, classicML libs
• Опыт работы с системами хранения и обработки данных, у нас hdfs/spark

Должностные обязанности:

• Разрабатывать, поддерживать и внедрять модели в процессы банка с упором на Change-деятельность (развитие новых, ещё не опробованных в банке подходов)
• Участвовать в коммуникации с бизнес-заказчиками: проводить интервью заказчика, формулировать технические и бизнес-требования к разрабатываемым моделям, презентовать результаты разработки моделей, оценивать их финансовый эффект.
• Оптимизировать и дорабатывать внутренних фрейморков для борьбы с рутиной
• Разрабатывать дизайн экспериментов для оценки качества моделей в бизнес-процессах.
• Совместно с командой DE реализовывать ETL-процессы подготовки данных для моделей.
• Совместно с командой MLOps отвечать за внедрение моделей в систему исполнения и дальнейшую интеграцию с системами заказчика.
• Совместно с командой мониторинга ставить разработанные модели на регулярный мониторинг.
• Искать и проверять гипотезы по улучшению моделей за счет использования новых источников данных и архитектур.