Руководитель Дирекции моделирования кредитных рисков

Ориентир по рынку≈ 130 000 – 275 000 ₽наш грубый ориентир по 199 вакансиям этого грейда на рынке, без учёта специальности: у работодателя вилка не указана

🏢 ОфисMiddleПолная занятость

≈ 130 000 – 275 000 ₽наша приблизительная оценка

Стоит ли откликаться

Стоит откликнуться, но спросите про деньги

Вилку работодатель не назвал, но ориентир по рынку есть: он в строке «Деньги». Вакансия к тому же свежая, откликаться лучше сейчас.

3 из 4 в норме

Вилку не назвали: какую сумму назвать вам и ниже какой не соглашаться

Чем предстоит заниматься

Управлять командой Data Scientists, ML-инженеров и аналитиков данных (от постановки целей до формирования кадрового резерва) в направлениях кредитного скоринга, коллекшн (collection) и антифрода (fraud)

Выстраивать стратегию развития направления и управлять портфелем инициатив, обеспечивая их экономическую эффективность и синхронизацию с бизнес-целями Банка

Обеспечивать полный жизненный цикл DS/AI/ML-продуктов: от бизнес-гипотезы и Research до внедрения в промышленную эксплуатацию, MLOps-сопровождения и постоянного мониторинга

Внедрять аналитические решения для автоматизации процессов принятия решений, управления кредитными рисками и противодействия мошенничеству (включая работу с риск-метриками: DR, AR, CoR и др.)

Выстраивать эффективное взаимодействие с бизнес-подразделениями, ИТ-архитектурой, регуляторными органами и топ-менеджментом для защиты интересов Банка и соблюдения требований МСФО 9/Базеля

Наши требования

Опыт внедрения GenAI / LLM-решений (RAG, AI-агенты, LangChain) в финансовом секторе

Опыт работы с компьютерным зрением (Computer Vision) в задачах скоринга или верификации

Опыт работы в Data Science / AI / ML — от 5 лет, из них не менее 2 лет на руководящей позиции (Team Lead / Head of Department)

Реальный опыт управления командами DS, ML-инженеров, MLOps и аналитиков: постановка KPI, развитие компетенций, управление производительностью, найм и формирование кадрового резерва

Опыт разработки стратегии и управления портфелем проектов, а также бесшовного взаимодействия с бизнесом, ИТ и регуляторами

Глубокое понимание кредитных рисков (PD, LGD, EAD), процессов андеррайтинга, коллекшна и антифрода (включая AML и риск-мониторинг)

Знание ключевых риск-метрик (DR, AR, CoR), банковского законодательства и требований регулятора (включая МСФО 9, управление модельным риском и защиту ПД)

Опыт оценки бизнес- и экономического эффекта от внедрения ML-решений

Практический опыт управления полным жизненным циклом ML-продуктов: от подготовки данных до деплоя, мониторинга и переобучения в промышленной среде

Владение современным стеком: Python, SQL, Git, а также опыт работы с Airflow, MLflow, Docker, JupyterHub, Hadoop, DVC или аналогами для построения MLOps-пайплайнов

Глубокие знания методов оценки моделей (Gini, PSI, A/B-тесты, интерпретация через SHAP/LIME) и опыт работы с большими объемами данных