Старший инженер данных

Исследовать и прототипировать новые методы контроля качества данных на наших данных.

Проектировать ML- и статистические контроли для выявления аномалий, дрейфа распределений, деградации свежести данных, нарушений сезонных паттернов и нетипичных комбинаций метрик.

Строить базовые ожидания по DQ-метрикам: row_count, null_rate, unique_count, свежесть данных, доли категорий.

Подбирать подходящие методы под конкретную задачу: от простых правил и статистических проверок до ML-моделей.

Валидировать контроли без готовой разметки: проверять их на исторических данных, использовать синтетические аномалии, shadow mode и анализ ложных срабатываний.

Интегрировать решения в production-пайплайны: Airflow, PySpark, Hive/Hadoop.

Настраивать алертинг для операционных команд и сопровождать решения в production.

Опыт в ML / Data Science от 3 лет.

Уверенное владение Python (pandas, numpy, scikit-learn) и SQL.

Ключевой стек: Python, SQL, Airflow, PySpark, Hadoop/Hive, MLflow.

Сильная база по математической статистике и классическому машинному обучению: линейные модели, деревья, бустинги.

Опыт с методами выявления аномалий и/или обнаружения дрейфа данных.

Опыт работы с временными рядами.

Опыт вывода моделей в production, их мониторинга и версионирования.

Понимание, где действительно нужен ML, а где достаточно правила, SQL-проверки или статистического базового контроля.

Будет плюсом

Опыт построения DQ-фреймворка, системы мониторинга качества данных или мониторинга ML-моделей в production.

Опыт мониторинга признаков и скорингов моделей: дрейф признаков, дрейф скорингов, delayed labels.

Опыт с Kafka, Flink или Spark Structured Streaming.

Опыт работы с банковскими, финансовыми или транзакционными данными.

Опыт с объяснимостью моделей: SHAP, permutation importance, анализ причин срабатывания контроля.

Опыт настройки алертинга и дашбордов для операционных команд.

Стабильную работу в одном из крупнейших банков страны

Сильное DS community, большое разнообразие рабочих и внерабочих активностей. telegram

Конкурентную заработную плату, соцпакет.

Условия для роста и развития (в т.ч. конференции, тренинги, внутренние программы развития).

Дружный коллектив единомышленников (все специалисты, занимающиеся машинным обучением объединены одним департаментом для максимально плотного и продуктивного обмена знаниями).

Передовой стек технологий, высокопроизводительное оборудование.

Возможность решать разнообразные прикладные задачи с выводом в промышленную эксплуатацию, возможность существенно влиять на результат (в т.ч. в бизнес-смысле) и способы его достижения (вплоть до внесения изменений в архитектуру).

Квартальный бонус по результатам работы;

ДМС, страхование жизни;

корпоративное обучение;