Data Scientist (моделирование продуктов B2B, Ozon Банк)

Ориентир по рынку≈ 374 000 – 469 000 ₽наша приблизительная оценка по 25 вакансиям этой роли, у работодателя вилка не указана

≈ 4,5 тыс.–5,7 тыс. $

🌍 УдалённоJuniorПолная занятость

≈ 374 000 – 469 000 ₽наша приблизительная оценка

Стоит ли откликаться

Стоит откликнуться, но спросите про деньги

Сумму в объявлении не указали. Сколько платят за похожую работу, видно в разборе.

1 из 4 в норме

Зарплата не указана: ваша цель, нижняя граница и фраза для первого созвона

Описание вакансии

Ozon Банк — компания, в которой тесно переплетаются финансы и IT. Мы создаём новые для рынка продукты и сервисы для физических и юридических лиц. Гордимся атмосферой в командах: каждый сотрудник может влиять на процессы и пути к результату.

Мы ищем профессионала, который сможет внести значительный вклад в развитие нашей команды кредитного скоринга для юридических лиц и индивидуальных предпринимателей. Многое мы уже сделали, многое еще предстоит. Нужен человек, знакомый с лучшими практиками рынка. При этом способный генерировать и реализовывать идеи, как превзойти текущие стандарты индустрии. В том числе, комбинируя классический подход, возможности, которые дает цифровая платформа Озон и новые идеи, возникающие в сообществе.

Основной стек: Python, Hadoop, Pyspark, Git, Airflow.

Вам предстоит

Отвечать за разработку и поддержку ML-моделей для работы с юридическими лицами (PD, прогноз выручки, оценка залога и тд)

Развивать и поддерживать внутренний фреймворк для разработки моделей и повышения продуктивности работы команды

Генерировать и применять в моделях новые фичи на основе новых источников данных, наполнять feature store

Участвовать в постановке задачи, находить приоритетные направления для моделирования и прозрачно об этом рассказывать

Разрабатывать и поддерживать сервисы для продового расчета моделей

Анализировать эффективность моделей в проде, организовывать и дорабатывать мониторинг

Мы ожидаем

Опыт работы в кредитном скоринге от 2 лет

Умение работать с данными (анализ, очистка, подготовка, отбор и создание признаков), навыки написания сложных SQL-запросов

Хорошее знание теории вероятностей, математической статистики и методов машинного обучения. В том числе знание типовых пайплайнов для построения скоринговых моделей.

Опыт работы c пакетами для анализа данных на Python3 (numpy, pandas, polars, scikit-learn, xgboost, lightgbm, catboost, hyperopr, optuna, etc)

Общие представления о валидации и способах построения мониторинга моделей

Будет плюсом

Опыт работы с HDFS и Pyspark

Навыки создания дагов Airflow и их последующее сопровождение

Опыт работы с юридическими лицами, понимание, как устроена отчётность, какие модели и как можно применять для анализа компаний