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.
