Построение ML моделей, повышающих эффективность розничного кредитования (например: модели предсказывающие доход клиента / модель эластичности отклика клиентов на ставку / модель вероятности отказа андеррайтинга)

Разработка моделей машинного обучения для осуществления оценки, анализа и контроля рисков в части розничного кредитования

Оптимизация логики работы Системы принятия решений (СПР) с целью её ускорения

Участие (совместно с IT) во внедрении моделей в СПР

Поиск новых источников данных для повышения эффективности розничного кредитования

Внедрение современных подходов машинного обучения для решения задач Банка (например: распознавание изображений)

Автоматизация процессов с помощью моделей машинного обучения

Развитие мониторинга и аналитической отчетности в рамках компетенции Отдела

Знание современных технологий ML

Понимание алгоритмов ML и DL: умение интерпретировать и презентовать результаты

Знание методов машинного обучения: понимать преимущества и недостатки каждого из них

Владение Python в части анализа данных: pandas, numpy, statsmodels, sklearn, xgboost, fbprophet, catboost, lightGbm, pytorch

Владение SQL для написания сложных запросов, в том числе знания оконных функций

Знание теории вероятности и математической статистики