Ищем специалиста в команду внутреннего аудита ML моделей, который хочет работать на стыке банковской экспертизы, анализа данных и машинного обучения. В этой роли вы будете участвовать в проверках современных моделей и алгоритмов, влияющих на ключевые бизнес-процессы банка, и сможете напрямую влиять на качество, надежность и устойчивость аналитических решений.
Первый этап отбора на эту вакансию – общение с AI-рекрутером. После отклика тебе на почту и в чат на платформе HeadHunter придет приглашение пройти первичное интервью с ГигаРекрутером в Telegram. Диалог займёт примерно 10 минут. Его задача — уточнить недостающие детали и ускорить рассмотрение твоей кандидатуры.
ГигаРекрутер только начинает свой путь, поэтому просим относиться с пониманием. Твой опыт и участие помогут сделать его удобным и полезным для всех!
Чем предстоит заниматься
- проводить внутренние аудиторские проверки статистических моделей, ML-моделей, нейросетевых моделей и автоматизированных алгоритмов, используемых в банковской деятельности
- анализировать процессы разработки, внедрения, использования и мониторинга моделей
- выявлять риски, методологические ограничения, ошибки и потенциальные зоны улучшения в моделях, алгоритмах и связанных процессах
- проверять качество данных, корректность выборок, логику построения моделей и устойчивость результатов
- проводить валидационные и аналитические тесты, интерпретировать результаты и формировать профессиональные выводы
- подготавливать аудиторские отчеты и рекомендации для бизнеса, риск-подразделений и других заинтересованных сторон
- взаимодействовать с командами разработки моделей, подразделениями рисков, ИТ и бизнес-заказчиками
- участвовать в развитии современных подходов внутреннего аудита, включая использование аналитических инструментов и data-driven практик.
Требования
- высшее образование в области математики, статистики, экономики, финансов, информационных технологий, data science или смежных направлений
- хорошее понимание математической статистики, анализа данных, корреляционного анализа и принципов проверки гипотез
- понимание машинного обучения, основных метрик качества моделей, ошибок 1-го и 2-го рода
- понимание основ оценки качества машинного обучения, основных метрик качества моделей, в том числе ранжирующих моделей (RMSE, MAE) и моделей классификации (Gini, ROC-AUC, ошибки 1-го и 2-го рода)
- знание ключевых алгоритмов машинного обучения: линейная и логистическая регрессия, деревья решений, ансамблевые методы, нейронные сети различных архитектур (в т.ч. LLM модели)
- практический опыт работы с Python и библиотеками для анализа данных: Pandas, NumPy, Seaborn, Matplotlib, Plotly, SciPy, Statsmodels, scikit-learn.
- знание PyTorch, TensorFlow, SQL, Polars
- опыт работы с PySpark и большими объемами данных: трансформация, агрегация, подготовка датасетов, анализ и обработка данных для тестирования моделей
- опыт проведения валидационных тестов, аналитических проверок или исследований моделей.
Что мы предлагаем:
- стабильный оклад, годовой бонус
- место работы: Санкт-Петербург, Шафировский, 2
- график работы 5/2 с 9:00 до 18:00, пт - 9:00 до 16:45 (только офис)
- официальное оформление с первого дня
- гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ
- ДМС с первого дня и льготное страхование для близких
- корпоративное обучение в Виртуальной школе Сбера
- бесплатную подписку СберПрайм+, скидки на продукты компаний-партнеров
- вознаграждение за рекомендацию друзей в команду Сбера.
Присоединяйся к команде Сбера!