Senior Data scientist (Управление рисками корпоративных клиентов)

Мы — амбициозная и дружная команда, ежедневно исследующая данные корпоративных клиентов Сбербанка. Наши модели – двигатель не имеющих аналогов в России продуктов в сфере управления рисками корпоративных клиентов.

Сводная статистика о нас:

• Мы решаем задачи по 8 основным направлениям (от монументального ПВР до всеобъемлющих графов и молодого и амбициозного ESG)
• 95% наших моделей разрабатываются с применением облачных технологий
• Мы придерживаемся единого стандарта работы, используем JIRA/Confluence/BitBucket, у нас есть единый бэклог
• 25% нашей команды имеют западное образование и опыт работы в странах Европы
• Мы сотрудничаем с передовыми ВУЗами в 3-ёх городах России
• Просрочка по кредитному продукту на основе наших моделей стремится к 0.

В команде с заказчиками мы:

• Погружаемся в предметную область
• Прорабатываем постановку задачи
• Ищем и исследуем данные
• Выбираем оптимальные методы моделирования
• Разрабатываем и верифицируем модели
• Готовим отчеты о разработке и презентуем результаты
• Мониторим модели
• Наслаждаемся результатом.

Обязанности

• Разрабатывать и улучшать инструменты для машинного обучения (внутренние наработки, библиотеки)
• Использовать прогнозное моделирование, чтобы оптимизировать бизнес риск метрики
• Работать в команде с портфельными менеджерами, чтобы понять нужды бизнеса и предложить возможные решения
• Разрабатывать модели машинного обучения
• Разрабатывать архитектуру пилотов для тестирования гипотез
• Прокачивать коллег и развиваться самим.

Требования

• Диплом в области компьютерных наук, статистики, прикладной математики или другой релевантной области
• Опыт работы от 3х лет с одной или несколькими СУБД: Oracle, MS SQL, Teradata либо СУБД стэка Bigdata
• Опыт работы с хранилищами данных от 1го года
• Опыт работы в роли аналитика с функцией подготовки выгрузки данных для заказчика
• Сильные компетенции в области реляционных СУБД и хранилищ данных
• Глубокое понимание статистических подходов и методов (регрессия, свойства распределений, оценка максимального правдоподобия, проверка гипотез и их правильное использование) и опыт их применения
• Знания и опыт применения алгоритмов машинного обучения (GLM/Regression, Trees, Random Forest, Boosting), а также знание их преимуществ, недостатков и ограничений
• Приветствуется знание принципов работы нейронных сетей и опыт использования библиотек для их обучения (Keras/PyTorch/TensorFlow)
• Знание Python и основных DS библиотек
• Опыт в распределённых/параллельных вычислениях с помощью следующих технологий: Hadoop, Spark, Dask и другие как преимущество

Условия

• Ипотека для сотрудников выгоднее до 4%
• Бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров
• Ежегодный пересмотр зарплаты и годовая премия
• Корпоративный спортзал и зоны отдыха
• Более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
• Расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа
• Вознаграждение за рекомендацию друзей в команду Сбера.