компания "банк втб (пао)" команда занимается разработкой моделей для всех подразделений группы втб. ключевые компетенции – nlp & time series. также мы занимаемся различными образовательными проектами и написанием научных статей ищем коллегу уровня middle или senior текущий портфель проектов: инвестиции:- оценка влияния тональности новостного потока на динамику финансовых инструментов (news sentiment for financial markets);- оценки влияния разнообразия и шумности новостного фона на ликвидность финансовых активов (news diversity, hype for financial markets);- выявление в новостных лентах наиболее важных тем в контексте financial markets (event-based analytics);- поведенческая аналитика компаний и клиентов на основе неструктурированных данных в контексте financial markets (behavioral analytics);- разработка торговых стратегий для валидации гипотез;- оценка капитализации компаний через технологический индекс на основе новостей и патентов (dollar value index of technology). риски:- поиск событий, свидетельствующих о возможном ухудшении кредитного качества контрагентов (розничных и корпоративных) банка в новостных лентах (event-based analytics);- выявление именованных сущностей (ner);- саммаризация новостей (text summarization);- объединение новостей в сюжеты;- предиктивная аналитика и финансовый мониторинг (nlp & time series forecasting). маркетинг:- unsupervised мониторинг тем, возникающих в social media, связанных с брендом и продуктами втб и конкурентов (topic modelling);- анализ настроений в social media (sentiment analysis);- классификация обращений, поступающих в банк по всевозможным каналам (опросы, отзывы, контактный центр и т.д.) (text classification);- модельные оценки клиентского уровня удовлетворенности (nlp & time series forecasting).контактный центр:- прогнозирование нагрузки на контактный центр (time series forecasting, clustering);- составление и оптимизация расписания операторов (discrete optimization);- детектирование проблемных направлений поддержки и тематик разговоров операторов с клиентами (anomaly detection). управление налично-денежной ликвидностью:- прогнозирование клиентского спроса на наличность по всем типам устройств, номиналов и валют для всей банкоматной сети (multiple time series forecasting, clustering, local and global modelling);- рекомендательная система налично-денежного обращения для инкассаторов (discrete optimization). требования: высшее физико-математическое / техническое / экономическое образование; основы линейной алгебры, методов оптимизации, теории вероятностей и математической статистики; основы машинного обучения и методов анализа данных; основы sql, git; чтение технической и научной литературы в предметной области на английском языке; уверенное владение стандартным стеком python-библиотек (sklearn, pandas, numpy, scipy, matplotlib, lightgbm и т.д.); опыт в разработке дэшбордов и визуализации данных (dash, flask); уверенное владение nlp-библиотеками (nltk, spacy, gensim, pymorphy2, transformers, fasttext); опыт работы в проектах по машинному обучению; опыт внедрения моделей в промышленную среду (docker, mlflow); условия: трудоустройство согласно законодательству; конкурентная заработная плата; профессиональное обучение и развитие; добровольное медицинское страхование, льготные условия кредитования; корпоративная пенсионная программа, материальная помощь; спортивная жизнь и корпоративные мероприятия; возможность построить карьеру в ведущем банке россии.
Адрес
Москва