Team Lead Data Scientist (играющий тренер) | финтех

Навыки

• Airflow
• B2B-продажи
• XGBoost / LightGBM / CatBoost
• Code review
• Дашборды и витрины
• Docker
• Финтех и платежи

О компании и продукте

• Команда Текущий состав направления МСБ (~10 человек). В прямом подчинении у TL: 1 Data Scientist (Middle) + 2 Data Analyst (Senior и Junior). Также активная работа со смежниками (2 Backend-разработчика, 1 Админ инфраструктуры, 1 DataOps) Методология: Kanban-подход. Еженедельные спринты, квартальное планирование. Роль и задачи Тип роли: Играющий тренер Управленческие задачи (10-20%) : Менеджмент задач, контроль, ревью кода. Приоритизация, целеполагание. Развитие сотрудников (1-на-1). Не столько управление людьми, сколько управление задачами и проектами. Технические / Индивидуальные задачи (80-90%) : Самостоятельная разработка моделей, ad-hoc исследования, работа с архитектурой, участие в проектах со смежниками
• Компания входит в реестр аккредитованных ИТ компаний
• Мы стараемся как можно быстрее принимать решения!

Задачи

• Направление / Продукт
• Направление МСБ (Малый и Средний
• Бизнес) — одно из трех ключевых направлений в отделе моделирования
• Три продукта в портфеле МСБ: Скоринги МСБ — оценка кредитоспособности ИП и ЮЛ на всех этапах ЖЦ клиента (привлечение, рассмотрение заявки, взыскание, банкротство)
• Сейчас в проде ~5 моделей (PD/LGD)
• Аналитическая Песочница — B2B-сервис, предоставляющий обезличенные данные и платформу для аналитики и моделирования
• Технологическое ядро, которое пронизывает все три продукта
• Кредистория для предпринимателей — сервис подбора лучших финансовых продуктов для малого бизнеса (аналог сервиса для физ. лиц)
• Основной стек: Python (Pandas, NumPy, Sklearn, XGBoost/LightGBM), SQL (продвинутый уровень), Greenplum, PostgreSQL, Git, Airflow, Docker, Superset/Grafana, Feast (Feature Store)
• Управление командой от 2-3 человек
• Способность объяснять технические вещи продукту и бизнесу
• Проактивность, зрелость, коммуникабельность
• Энергичность, вовлечённость — важно не только строить модели, но и понимать бизнес-ценность
• Что готовы предложить

Требования

• Что ожидаем от тебя От 4-5 лет в роли Data Scientist Опыт управления от 1 года, предпочтительно от 2 лет
• Опыт в финтехе (банки, МФО, страховые) — ключевое преимущество Hard Skills: Python: уверенное владение (Pandas, NumPy, Scikit-learn, XGBoost/LightGBM) SQL : продвинутый уровень (оконные функции, агрегации, оптимизация запросов)
• Классический ML: классификация, регрессия, мониторинг моделей
• Опыт работы с большими данными: выборки 1M+ наблюдений х 1000+ фичей
• Опыт с рисковыми моделями ( PD, LGD ) ИЛИ CRM-моделями ( склонность, LTV )
• Опыт внедрения моделей в прод с доказанным экономическим эффектом
• Ппонимание процессов построения витрин, дашбордов
• Умение переводить бизнес-запросы в аналитические гипотезы Soft Skills: Инженерная жилка — понимание архитектуры, принципов работы современных технических сервисов

Условия

• Система мотивации: фиксированный ежемесячный оклад + годовой бонус
• Оформление по ТК РФ
• Удаленный формат работы (в пределах РФ!)
• Офис находится в г
• ДМС со стоматологией (с 1 рабочего дня + полис путешественника)
• Частичная компенсация фитнеса / обучения / доп. мед. услуг (лимит – 25 тыс. рублей в год)
• Дополнительные дни к ежегодному отпуску (всего 31 день в году)
• Выдаем корпоративную технику (Windows, Lenovo ThinkPad)
• Как мы проводим собеседования Общение происходит онлайн, с видео, через Салют.Джазз: HR-call (30-40 минут) — рассказ о компании/вакансии, вопросы про опыт/ проекты
• Техническое интервью (60 мин) —лайвкодинг: 2 задачи по SQL, 1 задача на Python
• Вопросы по теории классического ML
• Управленческое интервью (30-60 мин) — бизнес-кейсы, управленческие ситуации
• Оценка подхода к управлению, коммуникации, взаимодействию с продуктом
• Собеседование с командой (60 мин) — оценка культурной совместимости, целей, активности
• Проверка документов — заполнение анкеты в электронном виде, проверка ~2-3 рабочих дня
• Оффер — обсуждение даты выхода на работу

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.