Pershiy Ukrayinskiy Mizhnarodniy Bank, AT / PUMB
Kwalifikacje i doświadczenie.WymaganePonad 2 lata uczenia maszynowego / danych doświadczenie naukowe, najlepiej w sektorze finansowym lub fintech.Doświadczenie w budowaniu modeli przeciwdziałających nadużyciom lub systemów wykrywania nadużyć.Świetna znajomość Pythona, doświadczenie z podstawowymi frameworkami ML: scikit-learn, XGBoost, LightGBM, CatBoost.Znajomość algorytmów klasyfikacji, regresji, grupowania, wykrywania anomalii.Doświadczenie z SQL – ekstrakcja, agregacja danych, łączenia, opty
Kwalifikacje i doświadczenie.
Wymagane
- Ponad 2 lata uczenia maszynowego / danych doświadczenie naukowe, najlepiej w sektorze finansowym lub fintech.
- Doświadczenie w budowaniu modeli przeciwdziałających nadużyciom lub systemów wykrywania nadużyć.
- Świetna znajomość Pythona, doświadczenie z podstawowymi frameworkami ML: scikit-learn, XGBoost, LightGBM, CatBoost.
- Znajomość algorytmów klasyfikacji, regresji, grupowania, wykrywania anomalii.
- Doświadczenie z SQL – ekstrakcja, agregacja danych, łączenia, optymalizacja zapytań.
- Praktyczne zrozumienie metryk oceny modeli: ROC-AUC, Precision/Recall, Gini, KS, F1.
- Doświadczenie w budowaniu modeli w oparciu o cechy behawioralne, dane szeregów czasowych i wzorce transakcyjne.
- Umiejętność pracy z interfejsami API w celu interakcji ze środowiskiem produkcyjnym w czasie rzeczywistym.
- Zrozumienie zasad CI/CD, doświadczenie w pracy z Git. Doświadczenie w uruchamianiu i monitorowaniu modeli na produkcji, przetwarzaniu dużych ilości danych w czasie rzeczywistym.
Pożądane
- Doświadczenie w budowaniu modeli hybrydowych opartych na regułach + ML w terenie ochrona przed oszustwami.
- Znajomość produktów finansowych (karty, rachunki, pożyczki, płatności) i typowych schematów oszustw.
- Praca ze strukturami grafowymi (wykrywanie oszustw w oparciu o grafy, analiza sieci).
- TensorFlow, PyTorch — jako dodatek do zadań głębokiego uczenia się lub NLP.
Obowiązki funkcjonalneRozwój i doskonalenie oszukańczych transakcji w czasie rzeczywistym.Przygotowywanie dużych tablic danych transakcyjnych, behawioralnych i dodatkowych do modeli szkoleniowych.Przeprowadzanie profilowania danych, czyszczenia, transformacji, inżynierii fizycznej.Identyfikacja nowych wzorców oszustw w oparciu o dane historyczne i trendy.Testowanie, walidacja i optymalizacja modeli z wykorzystaniem odpowiednich mierników jakości.Integracja modeli w środowisku produkcyjnym, utrzymanie, kontrola stabilności, aktualizacje.Skalowanie rozwiązań antyfraudowych dla systemów o dużym obciążeniu i dużej liczbie transakcji.Współpraca z zespołami analityków, programistów i menadżerów produktu w celu zdefiniowania wymagań biznesowych i integracji modeli z procesami biznesowymi.Udział w projektach mających na celu wprowadzenie innowacyjnych podejść do bezpieczeństwa finansowego, z możliwość uruchamiania inicjatyw na poziomie całej strategii zwalczania nadużyć finansowych.Dlaczego PUMB?
- Silny zespół ds. zwalczania nadużyć finansowych skupiający się na budowaniu intelektronicznych systemów przeciwdziałania oszustwom, które wykorzystują nowoczesne narzędzia i podejścia.
- Praca w jednym z najbardziej zaawansowanych technologicznie banków Ukrainy, mając realny wpływ na bezpieczeństwo milionów klientów. Możliwość wdrożenia modeli ML w realnym procesie biznesowym.
- Szeroki dostęp do danych, duża autonomia w podejmowaniu decyzji, wsparcie ze strony kierownictwa.
- Format pracy hybrydowej lub zdalnej, konkurencyjne warunki zatrudniania
- Silna kultura interakcji, przejrzystość, otwartość na innowacje i rozwój osobisty.
- Udział w projektach na styku Data Science / Antifraud / Digital Banking – obszarów, które aktywnie przekształcają się na poziomie globalnym.
