Руководитель группы по моделированию кредитного риска (PD)

Банк России рассматривает кандидатов на текущие вакансии в Департамент Исследований и Прогнозирования.

Самостоятельное или в рамках команд из двух-трех человек решение экономических и исследовательских задач, требующих применения алгоритмов машинного обучения (по запросам структурных подразделений и руководства Банка России):

• общение с постановщиком задачи;

• изучение мирового опыта решения похожих задач;

• формирование плана выполнения задачи (включая формирование методологии сбора данных, если нужно);

• построение и тестирование моделей;

• оптимизация и участие во внедрении моделей;

• представление результатов выполнения проекта (презентация/аналитическая записка/статья).

Примеры задач:

• построение моделей вероятности дефолта юридических лиц;

• построение моделей вероятности дефолта физических лиц;

• разработка новых и адаптация существующих статистических тестов, позволяющих идентифицировать проблемы скоринговых моделей и моделей вероятности дефолта.

От Вас как будущего сотрудника мы ожидаем:

• высшее математическое/физико-техническое образование;

• опыт выполнения прикладных проектов в области PD и скоринговых моделей (наличие проектов, выполненных самостоятельно или в небольшой команде);

• понимание алгоритмов интерпретируемого машинного обучения (LIME, Shap, PDP, CDP, ALE) и их преимуществ и недостатков;

• знание классических алгоритмов (линейные модели, случайный лес, градиентный бустинг) и архитектур глубокого машинного обучения (DNN, RNN, CNN, трансформеры);

• знание классических методологий валидации и калибровки скоринговых моделей и моделей вероятности дефолта (PIT and TTC calibration, PSI, binomial test, Hosmer-Lemeshow test);

• умение читать и разбираться в литературе по статистическим тестам (понимание сходимостей, асимптотической теории, бутстрапа);

• владение Python (numpy, pandas, sklearn, xgboost, catboost, pytorch, PyG, tensorflow);

• знакомство с Hadoop, SQL, Spark;

• регулярное чтение статей по профессиональной теме;

• знания в области графовых нейронных сетей будут преимуществом;

• также будет преимуществом наличие статей в международных реферируемых журналах (Q1-Q2) и в сборниках конференций.

Условия:

• получение уникального опыта в мегарегуляторе;
• возможности профессионального и карьерного развития;
• привлекательная система мотивации;
• широкий социальный пакет;
• корпоративное обучение;
• удобное расположение офиса.