Обязанности:

разработка всего спектра моделей розничного финансового урегулирования в ситуациях наличия или угрозы возникновения у клиента просроченной задолженности;
поведенческие модели для регулярной оценки вероятности перехода на более глубокий уровень просрочки;
модели выбора оптимальных инструментов работы с просроченной задолженностью (колл-центр, подача в суд и т.д.);
модели для различных операционных процессов (оптимальное время звонка клиенту, отправка на обзвон роботом);
модели для специализированных инструментов работы с просроченной задолженностью (мировое соглашение с клиентом, банкротство, реструктуризация задолженности);
модели прогнозирования cash-flow клиента на разных горизонтах;
работа с портфелем: задачи сегментации клиентов;
задачи аплифт-моделирования на внутренних и внешних (БКИ, телекомы и т.д.) данных;
возможность использования широкого технического стека для моделирования с современными подходами и best practice: бустинги, кластеризация, эмбеддинги, возможность работы с батч и онлайн процессами. В перспективе – разработка нейросетевых моделей, рекомендательных систем.

Какие знания и навыки для нас важны:

Высшее образование (математическое, физико-математическое, экономическое).
Опыт работы в банковском/финансовом/телеком/ритейл секторе от 2-х лет в роли аналитика/DS, понимание банковских бизнес-процессов, опыт в моделировании.
Уверенное владение Python, SQL, приветствуется знание Spark.
Знание алгоритмов ML: деревьев решений и случайных лесов, регрессии, бустингов, кластеризации.
Умение работать в условиях многозадачности, самостоятельность.
Приветствуется: опыт обучения и использования нейросетей и предобученных моделей (RNN, LSTM, BERT, GPT), reinforcement learning.
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.

Data Scientist (collection)