Специалист Департамента кредитных рисков
Аналитик данных в банке: сбор и подготовка данных, валидация моделей кредитного риска (PD, LGD, EAD), анализ ESG и климатических рисков. Опыт не требуется, нужно образование в математике, финансах или анализе больших данных.
Отклик отправляется на сайте источника. Регистрация в Taylor для перехода не нужна.
Что предстоит делать
- Подготовка данных для аналитики, включая их сбор, обработку и формирование выборок.
- Анализ источников данных в рамках поставленных задач.
- Проведение аналитической работы по согласованным направлениям.
- Проведение валидации моделей, используемых для оценки ожидаемых кредитных убытков, включая:
- 4.1. Оценку качества моделей LGD и вероятности дефолта (PD);
- 4.2. Оценку точности прогнозов моделей LGD и PD;
- 4.3. Проверку стабильности модели PD;
- 4.4. Оценку модели EAD с использованием статистических показателей и тестов.
- Подготовка аналитических отчетов, справок и материалов по результатам работы для Заказчика и/или уполномоченных органов Банка.
- Проведение аналитических и исследовательских работ по вопросам ESG и климатических рисков, включая подготовку подходов к климатическому стресс-тестированию.
Что ждём от вас
- опыт работы не требуется
- Образование: математика, финансы, анализ больших данных
Стек и инструменты
Зарплата не указана — оценили по рынку
На основе 10 похожих вакансий за 90 дней.
Сколько платят вам?
Вакансии показывают, что обещают работодатели. Анонимно расскажите, сколько получаете вы как Data/ML-специалиста — так появится зарплата, которую платят на деле.
В долларовых вакансиях за это платят в 2,4 раза больше
Сравниваем один и тот же срез: Data/ML — все грейды, за 90 дней. Внутри грейда на одной из сторон набралось меньше 5 вакансий — поэтому взяты все грейды.
Казахстан (KZT)
700 000 ₸
500 000 – 1 200 000 ₸ · 35 вакансий
Международные (USD)
1 681 650 ₸
896 880 – 4 670 951 ₸ · 68 вакансий
Подходит ли вам эта вакансия?
Зарегистрируйтесь и загрузите резюме — посчитаем % совпадения с этой вакансией, подсветим сильные стороны и что стоит подтянуть
Похожие вакансии
6 вакансий
Data Engineer
~500 000 – 750 000 ₸ оценка
Нужен data-инженер уровня strong middle, который будет строить и поддерживать пайплайны ETL/ELT, развивать DWH, витрины и data-марты, интегрировать источники вроде CRM, ERP и BI. Ключевые требования — уверенный SQL и реляционные СУБД, Airflow, понимание архитектуры DWH, а также Python с FastAPI для внутренних сервисов и API. Оформление по ТК РК, соцгарантии, зарплата обсуждается на встрече.
ML Engineer (Middle)
~1 385 800 ₸ оценка
Нужно строить и оптимизировать ML-пайплайны для языковых моделей: готовить и размечать данные, делать fine-tuning на Python/PyTorch/Hugging Face, запускать inference и интегрировать модель в production. Также важны анализ метрик и ошибок, оптимизация вычислений и работа с Docker и Kubernetes. Условия в тексте вакансии не описаны.
AI Developer Middle/Senior
Разработка и эксплуатация AI-агентов на Python: интеграция моделей, работа с внешними API и деплой микросервисов в Docker, Kubernetes и Helm. Нужно писать код, следить за безопасностью зависимостей и устранять инциденты в продакшене. Роль предполагает поддержку и обновление сервисов.
Главный BI-разработчик
~700 000 ₸ оценка
AITAS ищет главного BI-разработчика для создания и поддержки отчетов и дашбордов в Power BI. Нужно уверенно писать сложные SQL-запросы, интегрировать данные из разных источников и оптимизировать производительность. Требуется опыт от 1–3 лет, знание DWH/ETL и английский для работы с документацией.
AI/ML-инженер
~700 000 ₸ оценка
Нужен инженер, который будет делать AI/ML-сервисы: интегрировать модели через API, строить RAG- и агентские LLM-пайплайны и работать с текстовыми данными. От вас ждут уверенного Python, опыта в ML/AI от года, понимания NLP, embeddings/retrieval/reranking и базового Docker. Взамен — эксперименты с современными моделями, работа с LLM и инструментами вроде Hugging Face; детали по условиям и локации в тексте не указаны.
Data scientist
~700 000 ₸ оценка
Ищем специалиста по данным и машинному обучению: нужно собирать и анализировать большие объёмы данных, строить и выводить в продакшн ML-модели (NLP, CV) и развивать систему автоматизированного принятия решений. Ждём высшее математическое/техническое образование, уверенный Python и SQL, опыт работы с большими данными и запуска моделей в прод. Плюсом будут Docker, FastAPI, опыт в банковских рисках или компьютерном зрении.