Data Scientist в команду риск - моделирования розничного бизнеса

В команду, которая занимается разработкой моделей для розничного бизнеса, ищем коллегу уровня middle и выше, желательно с опытом работы в банке. Обязанности: разработка всего спектра моделей розничного бизнеса: модели склонности и отклика на линейку продуктов (в том числе Next Best Offer), модели склонности к каналам коммуникации; работа с портфелем: задачи сегментации и кластеризации; моделирование прогноза транзакционной активности (прогнозирование объемов трат и категорий транзакций; моделирование по задачам предотвращения событий оттока и предоттока; задачи аплифт-моделирования на внутренних и внешних данных; возможность использования широкого технического стека для моделирования с современными подходами и best practice: бустинги, кластеризация, нейросети, эмбеддинги, рекомендательные системы, графовая аналитика, задачи текстовой аналитики, возможность работы с батч и онлайн процессами; участие в активном процессе автоматизации пайплайнов моделирования в составе команды разработчиков DS. Требования: высшее образование (математическое / физико-математическое); опыт работы в банковском/финансовом/телеком/ритейл секторе от 2-х лет в роли аналитика/DS, понимание бизнес-процессов, опыт в моделировании. уверенное владение Python, Spark. знание алгоритмов ML: деревьев решений и случайных лесов, регрессии, бустингов, кластеризации и др., понимание принципов работы рекомендательных систем и лежащих в основе алгоритмов, опыт работы с текстовыми данными (NLP: тематическое моделирование, поиск ключевых слов, анализ тональности, задачи суммаризации, шаблонизации и др.). умение работать в условиях многозадачности, самостоятельность. знание DL приветствуется: опыт обучения и использования нейросетей и предобученных моделей (RNN, LSTM, BERT, GPT). развитые навыки soft-skills. опыт написания ТЗ, БТ, проектной документации. способность поддержки full-stack разработки от сбора требований к задаче до реализации, документации и последующего мониторинга моделей. наличие публикаций по ML/DL, опыт выступления на ML-конференциях – как плюс. ценится проактивный и творческий подход в решении задач.