Директор службы Risk ML Engineering

Уровень дохода не указан

Опыт работы: 3–6 лет

Полная занятость

Оформление: Трудовой договор

График: 5/2

Рабочие часы: 8

Формат работы: на месте работодателя

Откликнуться

SQB BOSH BANK

Великие компании
состоят из великих сотрудников

SQB сегодня — это один из лидеров среди крупнейших банков Узбекистана по своим рыночным позициям, по обьему активов и капитал, по своим финансовым результатам и масштабам инфраструктуры.

Обязанности:

Формирование стратегии развития и планов деятельности Службы Risk ML Engineering.
Организация и руководство работой подразделения, управление командой специалистов.
Разработка и развитие Model Factory для полного жизненного цикла моделей машинного обучения.
Развитие и сопровождение корпоративного Feature Store для риск-моделей.
Создание и автоматизация пайплайнов обучения, переобучения и развертывания моделей (MLOps).
Автоматизация мониторинга производительности моделей и контроля качества.
Автоматизация расчета метрик качества моделей (ROC-AUC, Gini, PSI, KS и др.).
Развертывание моделей в промышленной среде (Production).
Интеграция моделей машинного обучения с банковскими информационными системами.
Разработка и сопровождение API для сервисов риск-моделей.
Управление версиями моделей и контроль жизненного цикла ML-решений.
Оптимизация производительности inference-сервисов и инфраструктуры моделей.
Взаимодействие с бизнес-подразделениями, ИТ-командами и подразделением Risk Data Science.
Организация взаимодействия с подразделениями Банка по вопросам оценки кредитных рисков и резервов на покрытие ожидаемых кредитных потерь.

Требования:

Высшее образование в области математики, статистики, компьютерных наук, Data Science, экономики или смежных направлений.
Опыт работы в области Data Science, Machine Learning, MLOps или риск-моделирования не менее 3 лет.
Практический опыт разработки моделей кредитного риска (PD, LGD, Scoring, Fraud) будет преимуществом.
Уверенное владение Python (Pandas, NumPy, Scikit-learn, CatBoost, XGBoost, LightGBM).
Знание методов машинного обучения и математической статистики.
Практический опыт работы с банковскими данными (кредитные портфели, транзакции, клиентское поведение).
Уверенное владение SQL и опыт работы с корпоративными хранилищами данных.
Опыт построения MLOps-процессов, автоматизации жизненного цикла моделей и внедрения моделей в Production.
Опыт проектирования Feature Store, Model Registry, API и ML-инфраструктуры будет преимуществом.
Опыт организации бизнес-процессов и внедрения решений по управлению модельным риском.
Опыт руководства командой в банке или крупной финансовой организации.