- Дистанционный
Data Scientist
Ташкент
Команда AVO SERVICES AND TECHNOLOGY создает новый технологичный розничный банк на рынке Узбекистана. Основная концепция сервиса - клиент самостоятельно может получить все услуги банка через мобильное приложение и устройства самообслуживания.
ОткликнутьсяОсновной фокус роли — продуктовые и клиентские ML-задачи: CRM, churn/retention, propensity, uplift, LTV, клиентская сегментация и оптимизация коммуникаций.
Это позиция для человека, которому интересно не просто обучать модели, а помогать банку лучше понимать клиентов: кого удерживать, кому и когда делать предложение, какой клиент принесёт больше ценности, где коммуникация даст эффект, а где только создаст лишнюю нагрузку.
В команде есть собственная Feature Platform, которую мы используем для разработки и переиспользования признаков в обучении, batch-расчётах и production-инференсе
- —разрабатывать модели и аналитические подходы для клиентских сценариев: propensity, churn/retention, uplift, LTV, next best offer / next best action, сегментация и таргетинг
- —проектировать признаки на основе клиентского поведения, транзакций, продуктовой активности, коммуникаций и истории взаимодействия с банком
- —проверять продуктовые гипотезы, выбирать корректные метрики и оценивать влияние моделей на бизнес: конверсию, удержание, доходность, экономию бюджета и эффективность коммуникаций
- —разрабатывать и валидировать фичи так, чтобы они корректно работали в обучении, batch-процессах и на production-инференсе
- —участвовать в запуске ML-решений вместе с engineering-командой: от пилота до регулярного production-расчёта и мониторинга качества после релиза
Требования:
Обязательные
- —опыт работы в Data Science / ML на продуктовых или клиентских задачах: propensity, churn/retention, uplift, LTV, сегментация, таргетинг, персонализация или близкие сценарии
- —сильная база в прикладной статистике и машинном обучении: умение корректно формулировать таргет, выбирать горизонт прогноза, строить валидацию, оценивать качество модели и понимать ограничения результата
- —уверенный Python и SQL для работы с данными: подготовка датасетов, feature engineering, анализ качества данных, обучение моделей и исследование гипотез
- —практический опыт с табличными ML-моделями и современным DS-стеком: sklearn, CatBoost/LightGBM или аналогичные инструменты
- —умение связывать качество модели с бизнес-метриками: конверсией, retention, revenue, cost saving, LTV или эффективностью коммуникаций
- —опыт работы с временными и поведенческими данными: клиентская активность, транзакции, коммуникации, продуктовые события, история взаимодействия с клиентом
- —способность доводить задачу до результата вместе с бизнесом, аналитиками, DWH и engineering-командами: от идеи и датасета до пилота, production-расчёта или регулярного использования модели
Будет плюсом
- —опыт в fintech, banking, telecom, e-commerce, subscription-бизнесе или другом продукте с большой клиентской базой
- —практика в uplift modeling, causal inference, A/B-тестах, инкрементальности и оценке реального эффекта ML-решений
- —опыт работы с feature store / feature platform или понимание принципов production feature engineering: переиспользуемость фичей, offline/online consistency, версионирование, контроль качества
- —понимание production ML-процессов: Git, Airflow/dbt, MLflow, Docker, API, мониторинг качества данных и моделей
- —умение понятно объяснять результаты: что модель делает, где работает хорошо/плохо, какие есть риски и какое действие бизнес должен предпринять
Условия:
- —трудоустройство в соответствии с ТК Республики Узбекистан
- —оплачиваемый отпуск и больничные
- —помощь с релокацией для тех, кто переезжает в солнечный Ташкент
- —выдаем технику
- —высокая конкурентная заработная плата
- —амбициозный проект, в котором ты будешь играть одну из важнейших ролей
Где предстоит работать
Ташкент, улица Нукус, 29А или удаленно
Для оформления и прохождения онбординга необходимо посетить наш офис в Ташкенте. Мы оплачиваем билеты и проживание на 2 недели.
