Data Scientist (FinTech)

Навыки

• Airflow
• Самостоятельность
• XGBoost / LightGBM / CatBoost
• DWH
• Финтех и платежи
• Git
• Machine Learning

О компании и продукте

• Мы — « Небус », финтех-компания, которая не стоит на месте со своей идеологией и ценностями.

Задачи

• Исследование и модели
• Искать закономерности и значимые признаки, влияющие на дефолтность клиентов
• Строить и улучшать скоринговые модели (логистическая регрессия, градиентный бустинг, деревья решений)
• Тюнинговать существующие модели и пересобирать их с нуля при изменении бизнес-среды или появлении новых данных
• Создавать прототипы и проверять их качество на исторических и валидационных выборках
• Эксперименты и инсайты
• Тестировать риск-правила через A/B-эксперименты: оценивать влияние на долю дефолтов и отсечение надёжных клиентов
• Подбирать оптимальные пороговые значения (cut-off) для баланса между прибылью и рисками
• Давать рекомендации для новых продуктов на основе анализа потребления клиентов
• Мониторить качество моделей в жизни (дрифт данных), предлагать гипотезы по улучшению

Требования

• Нам нужен Data Scientist, который умеет слышать цифры и переводить их на язык бизнес-решений
• Ты будешь не просто строить модели, а исследовать поведение клиентов, находить скрытые закономерности и превращать сырые данные в точные прогнозы
• Мы ищем исследователя, который умеет задавать правильные вопросы данным, а не только программиста, который разворачивает сервисы
• Обязательно
• Практический опыт разработки скоринговых моделей именно для кредитного скоринга (банки / МФО / финтех)
• Глубокий Python (Pandas, NumPy, Scikit-learn, LightGBM / XGBoost)
• Сильная математика: статистика, теория вероятностей, линейная алгебра — понимание алгоритмов «под капотом»
• Уверенный SQL (оконные функции, CTE, подзапросы) — уметь самостоятельно собирать выборки из DWH
• Умение формулировать бизнес-гипотезы и проверять их на данных
• Навык презентации результатов для не-технической аудитории

Будет плюсом

• Знание метрик розничных рисков (воронка одобрения, NPL, PD)
• Опыт с MLflow / Airflow (для коммуникации с ML-инженерами)
• 2–3 реализованных ML-проекта (желательно в финансах)
• Что мы даем взамен
• Удалёнка, можешь работать из любого гео
• Гибкий график и договор ГПХ/ИП РФ
• Зарплата, которую ты сам назовешь, если на собесе докажешь свой скилл
• Нам нужен «достигатор». Тот, кто не ждёт, пока скажут, а сам видит, где что сломалось. Если ты такой — ждем твое резюме! Откликнуться

Паспорт вакансии

История публикации

Откуда что взялось

Отмечено то, что вывели мы. Без пометки — значение назвал работодатель.

Почему на этом месте в выдаче

Порядок выдачи объявлен контрактом: свежесть решает между днями, полнота и зарплата — внутри дня.