В поиске Data Science специалиста с опытом работы в банковских проектах для построения рисковых моделей (скоринг для кредитования).

Основные направления работы

Risk Modeling:

• Полный цикл разработки ансамблевых моделей: подготовка и предобработка данных, разметка и разделение на обучающие и тестовые выборки.
• Отбор и настройка базовых моделей с акцентом на их разнообразие для повышения качества прогнозов.
• Разработка моделей машинного обучения для прогнозирования ежедневных остатков на расчетных счетах корпоративных клиентов, учитывая анализ временных рядов (неделя, месяц, квартал) и дополнительные факторы (дни недели, праздники, налоговые периоды, бизнес-циклы).
• Обучение персонализированных моделей.
• Применение методов объединения моделей (bagging, boosting, stacking) с оптимизацией весов в ансамбле.
• Оценка производительности моделей с использованием метрик точности, полноты и F1-score для улучшения качества прогнозов.
• Внедрение моделей в промышленную среду, мониторинг и регулярная оптимизация параметров.

Computer Vision:

• Разработка и внедрение системы биометрической верификации личности, включая модули распознавания документов и сопоставления фотографий.
• Анализ требований и проектирование архитектуры системы с учетом высоких стандартов безопасности и точности.
• Реализация алгоритмов обработки изображений для извлечения данных из паспортов и сравнения с селфи-фотографиями.

Acquisition Analytics:

• Анализ данных эквайрингового и РКО-портфеля: сбор и предобработка исторической информации о поведении клиентов.
• Разработка признаков, отражающих транзакционную активность, финансовые показатели и паттерны использования услуг для выявления факторов оттока.
• Построение и обучение ансамблевой модели прогнозирования с учетом специфики продуктов.
• Внедрение системы скоринга клиентов по вероятности оттока на основе финансового поведения и длительности сотрудничества.

Требуемые технологии и инструменты: Python, SQL, Scikit-learn, XGBoost, LightGBM, CatBoost, TensorFlow/Keras, PyTorch, Random Forest, Gradient Boosting, Stacking, Pandas, NumPy, Matplotlib, Seaborn.

В поиске Senior/Lead Data Analyst / Scientist на проект химической компании по оптимизации технологических процессов и диагностики технического оборудования.

Функционал: проектирование, разработка, внедрение, тестирование ПО и информационных систем на основе алгоритмов искусственного интеллекта.

Задачи:

• Проведение системного анализа бизнес процессов.
• Обработка функциональных требований, экспертиза в области определения подходов к автоматизации или цифровизации процессов.
• Разработка проектной документации.
• Интеграционное тестирование новой функциональности.
• Выполнение сложных настроек в информационных системах.
• Обеспечение 3-го уровня поддержки.

Требования:

• Уверенный опыт работы с Python: Pandas, Numpy, scikit-learn, Scipy, Catboost, Pytorch, TensorFlow, XGBoost, LightGBM, statsmodels, tsfresh, tslearn, shaply, seaborn, matplotlib, plotly, MLflow.
• Знание и опыт работы с инструментами: MS Office, Jira, Confluence, Git, Grafana, AirFlow.
• Отличные знания SQL.

Требуется Senior Python-разработчик.

Основные обязанности:

• Доработка и введение нового функционала в систему тестирования торговых стратегий;
• Проверка торговых гипотез на основе этой системы;
• Прочие задачи анализа данных (в основном EDA), связанные с автоматизированной торговлей, как разовые, так и задачи автоматизации аналитики. 

Требования:

• Python 3;
• Знание стандартной библиотеки и возможностей языка;
• Библиотеки для анализа данных: pandas, numpy, scipy;
• Библиотеки для визуализации данных: matplotlib, plotly/bokeh;
• Желателен опыт работы с numba и\или опыт работы с языками со статической типизацией (от C до Java, любой подойдёт);
• Умение писать production-ready код без Jupyter Notebook’ов;
• Хорошее знание SQL: простые запросы, JOIN любой степени сложности, оконные функции. подзапросы, желателен опыт работы с Clickhouse и Postrgres.