Senior Data Scientist (Risk Modeler)

«Хамкорбанк» — один из ведущих коммерческих банков Узбекистана, приглашает в свою команду опытного Senior Data Scientist (Risk Modeler) для усиления направления управления рисками.

Если вы эксперт в области предиктивного моделирования, обладаете глубокими знаниями в сфере кредитных рисков и готовы работать с масштабными данными — мы ждем вас в нашей команде!

Основные обязанности:

• Полный цикл моделирования: Разработка, валидация, деплоймент, калибровка, автоматизация и регулярный мониторинг ML-моделей (скоринг) в блоке рисков: Application (PD), Behavioral, Antifraud, Collection, Income Estimation и другие.

• Бизнес-коммуникация: Взаимодействие со стейкхолдерами и бизнес-заказчиками для сбора требований, формирования методологии и защиты результатов моделирования.

• Feature Engineering: Исследование новых внутренних и внешних источников данных (кредитное бюро, транзакционная активность, альтернативные данные), подготовка технических заданий для создания витрин, генерация новых признаков.

• MLOps и автоматизация: Участие в автоматизации пайплайнов разработки, развертывания и мониторинга моделей.

• База знаний: Документирование и поддержка версионности процессов MDLC: данные, скрипты, библиотеки.

Наши требования к кандидату:

• Образование: Высшее профильное образование в области STEM (Science, Technology, Engineering, Mathematics).

• Профильный опыт: От 3 лет коммерческого опыта работы в кредитных рисках в банках или финтехе. Отличное понимание банковских процессов и жизненного цикла кредитования в Узбекистане.

• Математическая база: Отличное знание и понимание теории вероятностей, математической статистики, а также методов оценки качества признаков и моделей.

• Алгоритмы: Уверенное знание классических методов машинного обучения (Linear/Logistic Regression, Bayesian Classification, Decision Trees, Random Forest, KNN) и ансамблей (Gradient Boosting: XGBoost, LightGBM, CatBoost).

• Python: Свободное владение библиотеками Pandas, NumPy, Scikit-Learn, Scipy и опыт написания модульных скриптов по разработке ML-моделей.

• SQL: Уверенное знание работы с DB/DWH и умение писать запросы разной сложности (аналитические функции, оптимизация производительности на больших объемах данных).

Будет большим плюсом:

• Знание инструментов оркестрации данных, деплоймента и трекинга моделей (Airflow, MLflow, Git, Docker).

• Опыт построения классических PD моделей в кредитных рисках на рынке Узбекистана.