Что делать?

  • Разрабатывать модели и аналитические решения для бизнес задач, такие как:

churn prediction, propensity to buy / respond / convert, next best action, и других прикладных ML-задач.

  • Проводить полный цикл работы над моделью
  • Определять подход к выбору модели, метрик и дизайну экспериментов.
  • Оценивать бизнес эффект моделей и формировать понятную логику использования результата в процессах банка.
  • Совместно с бизнесом и аналитиками переводить бизнес-вопрос в измеримую DS-задачу.
  • Работать с ML Engineers над выводом моделей в production.
  • Контролировать качество признаков, данных и методологии моделирования.
  • Проводить углубленный анализ результатов модели
  • Наставлять middle и junior специалистов, помогать им по методологии, качеству анализа и постановке задач.
  • Участвовать в защите решений перед бизнес-заказчиками и внутренними командами.

Если у вас:

  • Опыт работы Data Scientist от 4–6 лет.
  • Уверенное владение Python и основными библиотеками для анализа данных и ML.
  • Сильная база в классическом machine learning
  • Опыт решения прикладных бизнес-задач на данных.
  • Умение самостоятельно вести проект от постановки задачи до внедрения.
  • Опыт работы с табличными данными, клиентской аналитикой, маркетинговыми или риск-моделями.
  • Понимание метрик качества моделей и их связи с бизнес-результатом.
  • Опыт оценки бизнес-эффекта ML-решений.
  • Хорошие навыки коммуникации с бизнесом и техническими командами.
  • Умение структурировать задачу и принимать методологические решения.

Ключевые навыки:

  • Разработка ML-моделей под бизнес-задачи банка
  • Постановка DS-задач совместно с бизнесом
  • Построение моделей churn / next best action
  • Клиентская сегментация
  • Feature engineering
  • Валидация и сравнение моделей, back-testing
  • Подбор метрик под бизнес-задачи
  • Оценка бизнес-эффекта моделей
  • Анализ стабильности и деградации моделей
  • Интерпретация результатов
  • Подготовка рекомендаций для бизнеса
  • Наставничество middle специалистов

Стек:

  • Языки: Python, SQL
  • Анализ и ML: pandas, numpy, scikit-learn, xgboost, lightgbm, catboost
  • Визуализация: matplotlib, seaborn, plotly
  • Эксперименты и трекинг: MLflow
  • Среда работы: Jupyter Notebook / JupyterLab
  • Данные: PostgreSQL, object storage, feature datasets
  • Инженерное взаимодействие: Git
  • Дополнительно: A/B analysis, campaign analytics, uplift-related approaches

Что мы предлагаем:

  • Официальное трудоустройство в соответствии с Трудовым кодексом РК;
  • График работы на выбор: 08:30–17:30 / 09:00–18:00 / 09:30–18:30;
  • Ежегодный оплачиваемый отпуск — 28 календарных дней;

После прохождения испытательного срока:

  • Кафетерий льгот на сумму 250 000 тг. в год (медицинское страхование, обучение, спорт, развитие детей, авиа- и ж/д билеты);
  • 2 дополнительных дня Day Off в год;

Дополнительно:

  • Лечебное пособие в размере одного оклада при выходе в отпуск (после 1 года работы, при отпуске от 14 дней).