Команда AVO создает новый технологичный розничный банк на рынке Узбекистана. Основная концепция сервиса - клиент самостоятельно может получить все услуги банка через мобильное приложение и устройства самообслуживания.

Наш сегодняшний вызов - создать самый продвинутый digital банк в Узбекистане. Мы ищем Дата-сайентиста (Data Scientist).

Обязанности:

  • Фичи и Feature Platform: проектировать, разрабатывать и валидировать признаки; обеспечивать их корректную доступность в обучении и на инференсе (offline/online), поддерживать документацию и жизненный цикл фичей.

  • Качество фичей: оценивать значимость, устойчивость и влияние признаков (статистика, leakage, drift), оптимизировать существующие и добавлять новые.

  • Модели end-to-end: разрабатывать и улучшать ML-модели, проводить эксперименты, валидацию и интерпретацию результатов.

  • Шипмент в прод: доводить решение до production-уровня совместно с ML/Engineering: пайплайны, CI/CD, MLOps, мониторинг качества и данных после релиза.

Требования:

Feature Platform / Feature Engineering

  • Понимание, что такое фича в продуктовой и технической логике: определение, окно агрегации, гранулярность, entity key, правила обновления, offline/online.

  • Умение разрабатывать фичи в платформе/feature store (Feast или аналог): источники данных, материализация, контроль качества, версионирование и повторяемость расчётов.

  • Знание типовых рисков: data leakage, смещение, дубли, несогласованность ключей, временные сдвиги, корректная работа с time-aware данными.

Моделирование

  • Уверенное построение ML-моделей на табличных данных: постановка задачи, разметка таргета, валидация (CV/Time-split), подбор метрик, тюнинг.

  • Умение объяснять вклад факторов и принимать решения по фичам/модели на основе данных (importance, SHAP/аналоги, ablation, стабильность по сегментам)

Технический стек: Python + SQL + DWH

  • Сильный Python для продакшн-кода: pandas/NumPy, sklearn, CatBoost/LightGBM (или аналоги), аккуратная структура проекта, тестируемость.

  • Сильный SQL: сложные join’ы, оконные функции, агрегации, оптимизация запросов; уверенная работа с DWH (Greenplum/PostgreSQL).

  • Понимание, как строить воспроизводимые датасеты и расчёты на больших данных (производительность, профилирование, контроль ресурсов).

Production mindset: CI/CD и MLOps

  • Понимание полного ML-цикла: подготовка данных → обучение → артефакты → деплой → инференс → мониторинг.

  • Опыт/понимание: Git, CI/CD, контейнеризация (Docker), трекинг экспериментов/артефактов (MLflow или аналог), базовый мониторинг (качество модели, drift, data quality, latency).

Плюсом будет:

  • Практика в задачах маркетинга/поведения клиентов: churn/retention, uplift/таргетинг, сегментации, LTV, A/B-мышление.

  • Опыт продуктовой аналитики и коммуникации: формулировать гипотезы, переводить результат в действие для бизнеса.

Условия:

  • Трудоустройство в соответствии с ТК Республики Узбекистан.
  • Оплачиваемый отпуск и больничные.
  • Помощь с релокацией для тех, кто переезжает в солнечный Ташкент.
  • Выдаем технику.
  • Высокая конкурентная заработная плата.
  • Амбициозный проект, в котором ты будешь играть одну из важнейших ролей.

Где предстоит работать:

Ташкент, улица Нукус, 29А - или удаленно в любом схожем часовом поясе.

Для оформления необходимо посетить офис в Ташкенте (мы оплачиваем перелет и проживание в гостинице).