Data Scientist в команду Антифрода

О команде
Команда разрабатывает и поддерживает алгоритмы скоринга и проверки пользователей. Наша главная цель — минимизировать действия, которые могут навредить пользователям и платформе.

Примеры будущих задач:
– разрабатывать и внедрять модели для детекции взломов, аренды аккаунтов и авторегистраций;
– улучшать существующие эвристики и модели: от простых правил до ML-систем с онлайн-инференсом;
– подбирать оптимальные санкции;
– анализировать эффективность решений на исторических данных и в продакшене с учётом бизнес-метрик;
– проводить A/B-тесты и выводить модели в продакшен;
– улучшать алгоритмы поиска фрода в сервисе, который обрабатывает тысячи событий в минуту;
– находить эффективные решения реальных бизнес-задач;
– развивать существующие средства обнаружения фрода и адаптировать их к меняющейся внешней среде на основе данных и обратной связи от пользователей этих решений;
– экспериментировать с SOTA-методами машинного обучения, когда их применение оправдано задачей;
– проектировать и внедрять end-to-end ML-решения;
– отслеживать деградацию, следить за метриками в продакшене и участвовать в непрерывном улучшении моделей после запуска.

Мы ждём, что вы:
– умеете проводить полный цикл ML-разработки: данные → модель → прод → мониторинг → проверка влияния (AB или эквивалентные подходы);
– имеете большой опыт в NLP или значимый опыт вывода и сопровождения моделей в продакшене;
– уверенно владеете Python и DS-стеком: NumPy / pandas, scikit-learn, CatBoost (или аналоги), и умеете работать с DL-фреймворками (например, PyTorch);
– понимаете, как выбирать методы под задачу и аргументированно объяснять компромиссы между качеством, стоимостью, скоростью и рисками;
– умеете оценивать качество моделей при запуске и отслеживать его изменение во времени (дрейф, деградации, проблемы данных);
– пишете SQL-запросы на уровне, достаточном для анализа данных и диагностики качества;
– читаете англоязычную техническую литературу.

Будет здорово, если вы:
– имеете опыт в модерации, Trust & Safety, антифроде;