Предстоящие задачи:

— Заниматься построением и поддержкой скоринговых моделей, самостоятельно строить ML-модели (логистическая регрессия, градиентный бустинг, деревья решений) для прогноза дефолтов;

— Тестировать эффективность риск-правил через эксперименты – оценивать, как изменения повлияют на долю дефолтов и отсечение надежных клиентов;

— Определять оптимальные пороговые значения (cut-off) для моделей;

— Составлять рекомендации для разработки новых продуктов и услуг на основании анализа текущего и будущего потребления клиентов;

— Осуществлять мониторинг и развитие логики системы принятия решения;

— Реализовать систему автоматизированного дообучения моделей

‍

Для нас важно:

Самое главное — практический опыт разработки скоринговых моделей именно для кредитного скоринга

— Владение Python и основными библиотеками анализа данных;

— Знание SQL (оконные функции, оптимизация запросов) и навыки работы с базами данных;

— Опыт работы с Git, ML Flow, Airflow;

— Тюнинг существующих моделей, а также построение новых решений с нуля;

— полная поддержка своих моделей: от написания запроса для выгрузки обучающей выборки из хранилищ данных до анализа результатов A/B-экспериментов и переключения системы принятия решения на новый функционал;

— Опыт реализации не менее 2-3 проектов по машинному обучению и/или предиктивной аналитике;

+ Будет плюсом владение ключевыми метриками розничных рисков, включая воронку одобрения, уровень NPL и вероятность дефолта (PD)

‍

Условия:

— Формат работы удаленный, можешь работать с любой точки

— Трудоустройство возможно как самозанятый или как ип

— Все в команде равны, каждый имеет свой голос в коллективном обсуждении задач и реализации новых идей

— Мы легкие на подъем вайбовые ребята, готовые всегда тебе помочь — присоединяйся)