Компания, для которой требуется наш кандидат - это международная FinTech-компания, лидер в области инновационных технологий кредитования и разработки программного обеспечения.
Миссия Компании — создание более безопасной и доступной финансовой среды, где современные финансовые решения становятся реальностью благодаря внедрению передовых технологий.
Цель Компании — предоставить пользователям удобный и быстрый доступ к финансовым ресурсам, используя инновационные подходы и технологии, в т.ч. WEB3
Цель роли - Data Scientist (Credit Scoring) отвечает за разработку, калибровку и внедрение скоринговых моделей, которые лежат в основе решений по одобрению клиентов и управлению кредитными лимитами.
Вы будете ключевым экспертом, который превращает данные в финансовую эффективность, снижая уровень дефолтов и увеличивая прибыльность продукта.
Функциональные обязанности:
-
Разработка и валидация ML-моделей кредитного скоринга (логистическая регрессия, gradient boosting, нейронные сети и др.).
Анализ качества и стабильности моделей: ROC/AUC, Gini, KS, PSI, stability index. -
Проектирование фичей и построение feature store для скоринговых систем.
-
Работа с данными из внутренних и внешних источников (анкеты, транзакции, поведенческие данные, бюро, альтернативные источники).
-
Калибровка cut-off thresholds и интеграция моделей в risk engine совместно с Dev и Risk-командами.
-
Проведение back-testing / champion-challenger тестов и мониторинг производительности моделей.
-
Участие в разработке лимитных политик и NPV-моделей на основе прогнозных PD/LGD.
-
Подготовка аналитических отчётов и визуализаций (score distribution, vintage, Gini trend).
Наши ожидания:
-
3+ года опыта в data science / risk analytics в финтехе или банке.
-
Глубокие знания в математической статистике, вероятностях, ML-алгоритмах.
-
Опыт построения скоринговых и fraud-моделей.
-
Уверенное владение Python (pandas, scikit-learn, XGBoost, LightGBM, CatBoost).
-
Опыт работы с SQL и системами хранения данных (ClickHouse, PostgreSQL, BigQuery и др.).
-
Понимание кредитной unit-экономики и влияния модели на key metrics — approval rate, default rate, CoR, LTV.
-
Владение инструментами для построения и мониторинга ML-пайплайнов (Airflow, MLflow, DVC — плюс).
-
Образование: математика, физика, статистика, информатика, экономика или смежные дисциплины.
Что мы предлагаем:
-
Гибридный формат работы или удалённо (обсуждаемо): 2 дня онлайн и 3 дня в офисе (г. Москва, Береговой пр-д, д. 5А к. 1, БЦ «Фили Град»).
-
Международный контрактный формат (Service Agreement).
-
Конкурентный доход: фиксированный оклад +KPI (обсуждается индивидуально).
-
28 оплачиваемых days off в год.
-
Работа в команде профессионалов, создающих международный FinTech-бренд.
