Datu zinātnieks

Pievienojies Wandoo Finance kā Datu zinātnieks un palīdz izaicināt ierastos finanšu industrijas standartus.

Mēs esam strauji augošs starptautisks fintech uzņēmums, kura galvenais birojs atrodas Latvijā, ar darbību Polijā, Spānijā, Rumānijā, Peru un Lietuvā. Mēs piedāvājam inovatīvus finanšu risinājumus starptautiskā vidē, apvienojot tehnoloģisku domāšanu ar globālu mērogu.

Mūsu biznesam turpinot augt un paplašinoties jaunos tirgos, Data Science komandai rodas arvien jauni un interesanti izaicinājumi — veidot jaunus modeļus, uzlabot esošos un radīt arvien gudrākus risinājumus. Tieši šeit nepieciešams tavs ieguldījums.

Ja tev patīk strādāt ar datiem, veidot machine learning modeļus un redzēt savus risinājumus izmantotus reālā biznesa vidē, šī loma sniegs tev brīvību, atbildību un iespēju radīt reālu ietekmi.

• Mašīnmācīšanās izstrāde: izstrādāsi, testēsi un pilnveidosi mašīnmācīšanās modeļus, lai atbalstītu risku analīzi, kredītspējas izvērtēšanu (underwriting) un produktu optimizāciju.
• ML pipeline automatizācija: izstrādāsi un uzturēsi automatizētas pipelines modeļu trenēšanai, feature ģenerēšanai, hiperparametru optimizācijai un izvietošanai.
• Datu iegūšana un sagatavošana: apkoposi un strukturēsi datus no dažādiem avotiem, tostarp datu noliktavām, produkcijas datubāzēm, trešo pušu datu piegādātājiem un publiskiem datu kopumiem.
• Feature engineering: veidosi un izvērtēsi statistiskās pazīmes, veiksi laika rindu (time-series) datu apstrādi un nodrošināsi kvalitatīvu feature atlasi un tīrīšanu.
• Modeļu novērtēšana un salīdzināšana: analizēsi modeļu veiktspējas rādītājus, salīdzināsi alternatīvus modeļus un nodrošināsi korektu validācijas procesu.
• Modeļu ieviešana un uzraudzība: atbalstīsi modeļu izvietošanu produkcijas vidē un nepārtraukti uzraudzīsi to veiktspēju, stabilitāti un datu driftu.
• Datu analīze un ieskati: analizēsi datu kopas, identificēsi tendences un sniegsi ieskatus, kas palīdz produktu attīstībā, kredītlēmumu pieņemšanā un risku pārvaldībā.
• Produktu optimizācija: sniegsi uz datiem balstītus ieteikumus, lai uzlabotu underwriting politikas, produktu veiktspēju un lēmumu pieņemšanas procesus.
• Veiktspējas paneļi (dashboards): izstrādāsi un uzturēsi paneļus modeļu veiktspējas, metriku un konfigurējamo parametru uzraudzībai.

• Vismaz 3 gadu pieredze machine learning modeļu izstrādē Python vidē
• Pieredze darbā ar laika rindām (time-series) un to izmantošanu ML modeļos
• Spēcīgas tehniskās prasmes Python, SQL un Docker izmantošanā datu apstrādei, modelēšanai un izvietošanai
• Pieredze ML pipeline automatizācijā, izmantojot Airflow vai līdzīgus orkestrācijas rīkus
• Pieredze produkcionālu modeļu monitorēšanā, tostarp population stability, feature stability un interpretējamības metodēs, piemēram, SHAP
• Praktiska pieredze modeļu izstrādē ar GBM, XGBoost un citiem boosting algoritmiem

Nice to have

• Pieredze darbā ar Google Cloud, Java vai FastAPI

• Hibrīda darba modeli – 3 dienas birojā, 2 dienas attālināti
• Workcation iespēju – līdz 2 nedēļām gadā strādāt no jebkuras vietas
• Gada bonusu un atalgojuma pārskatīšanu reizi gadā
• Mācību un profesionālās attīstības iespējas, kuras izvēlies tu un apstiprinām mēs
• Brīvdienu dzimšanas dienā – tava diena, tavi noteikumi
• 5 apmaksātas donora dienas gadā
• Veselības apdrošināšanu pēc pārbaudes laika