Banking Product Data Scientist — ML & LLM Pipelines (Remote)

HireHi; United States; Hybrid; USD 120,000 - 180,000; Full time

Benefits offered by this job

Гибкий график

Полная удалёнка

ДМС с первых дней работы

Компенсация конференций и курсов

Помощь с выступлениями и статьями на Х

Доступ к корпоративным библиотекам

Job summary

HireHi ищет ML-инженера для разработки и внедрения моделей на табличных данных, включая uplift, чувствительность и рекомендации. Ваша работа будет включать создание и оптимизацию пайплайнов обработки данных, интеграцию с LLM и совместную работу с DE/MLOps для разворачивания моделей в продуктивной среде.

Требуется опыт промышленной разработки моделей, знание Python ML-стека и SQL, плюс перспективы роста в удалённом или гибридном формате.

Qualifications

• Опыт разработки и внедрения моделей на табличных данных.
• Знание ML стеков Python: LightGBM, XGBoost, CatBoost, Scikit-Learn, Pandas, NumPy.
• Умение работать со Spark, Hadoop и Hive.
• Знание SQL.
• Опыт uplift-моделей, чувствительности и моделей рекомендаций.
• Опыт работы с банковскими продуктами будет преимуществом.

Responsibilities

• Заниматься построением uplift-моделей, моделей чувствительности и моделей рекомендаций.
• Разрабатывать пайплайны обработки данных с использованием LLM
• Оптимизировать существующие банковские модели
• Тестировать новые источники данных для моделей
• Генерировать и тестировать гипотезы для улучшения процесса кредитования юридических лиц
• Совместно с командами DE, MLOps и мониторинга внедрять модели в промышленные процессы
• Презентовать бизнесу результаты работы и обсуждать применение моделей

Skills

Классический ML

Uplift-модели

Модели чувствительности

Модели рекомендаций

Python ML стек: LightGBM, XGBoost, Cat

Spark/Hadoop/Hive

SQL

Опыт банковских продуктов

LLM пайплайны

Tools

Spark

Hadoop

Hive

Job description

HireHi ищет ML-инженера для разработки и внедрения моделей на табличных данных, включая uplift, чувствительность и рекомендации. Ваша работа будет включать создание и оптимизацию пайплайнов обработки данных, интеграцию с LLM и совместную работу с DE/MLOps для разворачивания моделей в продуктивной среде.

Требуется опыт промышленной разработки моделей, знание Python ML-стека и SQL, плюс перспективы роста в удалённом или гибридном формате.