Data Scientist: ML Risk, Anti-Fraud & Modeling (Hybrid)

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

Benefits offered by this job

ДМС

Гибридная работа

Возможность удаленно

Job summary

Мокка — это популярный в России и Восточной Европе финтех сервис в BNPL. Вакансия ориентирована на разработку e2e data-сервисов на основе ML моделей для снижения Cost of Risk, включая моделирование дефолтов, антифрод и collection, а также регулярный анализ данных и подготовку презентаций для бизнес-пользователей.

Требуется промышленная разработка на Python, опыт внедрения скоринговых и антифрод-моделей, знание жизненного цикла моделей, тестирование внешних источников данных и владение SQL, Git.

Qualifications

• Промышленная разработка на Python
• опыт разработки и внедрения скоринговых моделей
• моделей коллекшен
• антифрод моделей
• Понимание жизненного цикла моделей
• Умение тестировать внешние источники данных и рассчитывать экономику подключения/пилота
• Валидация моделей, знание ключевых метрик и аналитик
• Feature engineering
• Знание классических алгоритмов машинного обучения
• Опыт работы с Django/Flask/FastAPI
• Знание SQL
• Опыт работы с Git
• Знание математической статистики
• Будет плюсом: Airflow, Docker
• Опыт работы с Pytorch и знание DL-алгоритмов

Responsibilities

• Разработка e2e data-сервисов на основе ML моделей с целью снижения Cost of Risk
• online модели для оценки риски дефолта новых клиентов
• антифрод модели
• collection модели
• Регулярная проверка новых источников данных для снижения Cost of Risk
• Подготовка презентаций для бизнес-пользователей
• Расчет финансового эффекта от моделей

Skills

Python

ML/ИИ

SQL

Git

Data Pipelines

Feature Engineering

Model Evaluation

Докер

Airflow

Pytorch

Tools

Django/Flask/FastAPI

SQL

Airflow

Docker

PyTorch

Job description

Мокка — это популярный в России и Восточной Европе финтех сервис в BNPL. Вакансия ориентирована на разработку e2e data-сервисов на основе ML моделей для снижения Cost of Risk, включая моделирование дефолтов, антифрод и collection, а также регулярный анализ данных и подготовку презентаций для бизнес-пользователей.

Требуется промышленная разработка на Python, опыт внедрения скоринговых и антифрод-моделей, знание жизненного цикла моделей, тестирование внешних источников данных и владение SQL, Git.