Задачи по должности:

• Анализ данных по кредитной истории, подготовка, очистка и моделирование в среде Python Jupiter notebook – для скоринг моделей;
• Анализ данных (DWH, BigQuery) по различным аспектам клиентской статистики (дефолты, конверсия, расторжения, таргет маркетинговых кампаний, поведенческая аналитика, динамика клиентской базы, сегментация и т.п., включая специфические запросы от руководства);
• Выявление закономерностей;
• Разработка прогнозных моделей по различным аспектам банковской деятельности;
• Подготовка решений и предложении по итогам анализа;
• Анализ результатов тестов и рекомендации по формированию кредитной политики, стратегии и маркетинговым кампаниям.
• Разработка отчетов для руководства (включая отчёты по запросу)

​Наши ожидания от кандидата:

• Уверенная база: линейная алгебра, теория вероятностей, математический анализ, математическая статистика;

• Опыт работы в ML/DS от 1 года;

• Подтверждённый стек через учебные и pet-проекты (GitHub обязателен)
  Что вы умеете

• .ipynb: LightGBM, XGBoost, CatBoost, Sklearn, Matplotlib
• .py: Python Core (OOP), FastAPI, Airflow
• .sql: PostgreSQL, MS SQL
• .jpeg: Tableau, Superset, Grafana (со скриншотом каталога проекта)
• .yaml: Docker, CI/CD

Будет плюсом:

• Time Series анализ
• Опыт в кредитном скоринге
• Навыки backend-разработки на Python
• Участие в Kaggle (ссылка приветствуется)
• Базовые знания в DL

Каких людей мы ищем:

• С проектным мышлением
• Способных быстро осваивать новые инструменты под задачу
• Ориентированных на результат и качество решений