Data Scientist( Центр финансовых технологий )

Компания "Центр финансовых технологий"

Мы, отдел исследований и разработки финансового приложения, предлагаем присоединиться к команде разработки Антифрод-системы, которая помогает сохранить деньги жертв "колл-центров" и настоящих хакеров. Мы приветствуем инициативность и нестандартные подходы достижения целей, поэтому среди обычных задач скоринга появляются и задачи на NLP, на анализ "кликстрима" и т.д. Хоть и большую часть времени занимает ресёрч для ML, мы так же не забываем о совершенствовании технической базы и процессов, развитие в смежные области (разработка, дата инженерия, девопс и т.д.) только приветствуется.

Обязанности:

1) Генерировать гипотезы по новым источникам данных, фичам, моделям и подходам к их обучению
2) Общаться с бизнесом, перерабатывать их хотелки в термины МЛ
3) Тестировать гипотезы (что-то можно отдавать джунам, но нужно следить, чтобы у них было что-то помимо рутины)
3.1) Подготавливать данные
3.2) Генерировать признаки
3.3) Обучать модели
3.4) Пилить из пунктов 3.1-3.3 промышленный пайплайн обработки данных.
4) Объяснять бизнесу результаты работ. Пример: объяснить бизнесу что такое ROC-кривая, и помочь ткнуть в удовлетворяющую их точку.
5) Заниматься техническим совершенствованием. Например, выделить какой-нибудь переиспользуемый кусок в библиотеку.
*) Обязанности стоит расценивать, скорее, как возможности, не факт, что придётся заниматься всем и сразу. Например, если вы терпеть не можете общаться с бизнесом, но являетесь крутым технарём или ментором, то можно это минимизировать.

Требования:

1) Опыт работы с DS/ML от 1-3 года
2) Умение генерировать гипотезы, и составлять план их быстрой проверки
3) Знание классических алгоритмов МО: деревянные бустинги, кластеризация, понижение размерности и т.д. Хорошее знание теории.
4) Продвинутое знание Python и какой-нибудь библиотеки верчения-кручения данных: pandas, pyspark, ...
5) Базовые знания нейронок: как обучаются, популярные архитектуры, какие слои зачем нужны и т.д.
6) Понимание зачем и как строить пайплайны обработки данных для обучения моделей.
7) Разработка на Python. Нужно уметь запихнуть свою модель в сервис, и написать DockerFile. Просто кинуть бинарём в разработчиков не получится. aiohttp + плюшки в виде трассировки, логгирования, метрик.
Будет плюсом:
1) Опыт DevOps: k8s/helm/gitlab-ci
2) Опыт с MLOps: AirFlow или KubeFlow или MLFlow
3) Работа в финтехе

Условия:

Аккредитованная IT компания;

Формат работы на выбор - офис, гибрид, удаленка;

Добровольное медицинское страхование;

Внутреннее и внешнее обучение;

Компенсация участия в топовых конференциях.