Vəzifə öhdəlikləri:

• Skorlamalar və proqnozlaşdırma üçün maşın öyrənməsi modellərinin yaradılması və tətbiqi.
• Məlumat mənbələrini (maliyyə, tranzaksiya, demoqrafik və davranış məlumatları) istifadə edərək düzgün proqnozlar qurmaq.
• Böyük məlumatların işlənməsi, təhlili və proqnozlaşdırıcı modellərin yaradılması və təkmilləşdirilməsi.
• Məlumatların əvvəlcədən işlənməsi, təmizlənməsi, çevrilməsi və normallaşdırılması.
• Maşın öyrənməsi alqoritmlərini tətbiq edərək modelləri qurmaq və optimallaşdırmaq (məsələn, qərar ağacları, təsadüfi meşə, gradient artırma, neyron şəbəkələri).
• Modellərin keyfiyyətini qiymətləndirmək və yaxşılaşdırmaq üçün müxtəlif metrikalardan istifadə (precision, recall, F1-score, ROC-AUC və digər metrikalar).
• Modellərin izlənməsi və yenilənməsi üçün proseslərin yaradılması və tətbiqi.
• Data analitiklər və data mühəndisləri komandası ilə sıx əməkdaşlıq edərək modellərin istehsalata inteqrasiyasını təmin etmək.

İş şəraiti:

• Ofis daxili;
• İş rejimi həftənin 5 günü (09:00 – 18:00);
• Təşəbbüskar təkliflərin dəyərləndirilməsi;
• Əmək haqqının 15 gündən bir ödənilməsi;
• Tibbi sığorta təminatının verilməsi;
• Nahar yeməyinin təmin olunması;
• “Birlikdə istirahət” tədbirlərinin keçirilməsi; 

Maraqlananlardan xahiş olunur, Müraciət et düyməsində qeyd olunan linkə daxil olub, CV-nizi yönləndirəsiniz.

Tələblər:

• Kompüter elmləri, statistika, riyaziyyat və ya əlaqəli sahələr üzrə bakalavr və ya magistr dərəcəsi.
• Maşın öyrənməsi və süni intellekt modelləri ilə ən azı 3 il iş təcrübəsi.
• Risklərin qiymətləndirilməsi, proqnozlaşdırma və ya skorlamalar (məsələn, kredit skorlaması) sahəsində modellərin inkişafı üzrə təcrübə.
• Python və məlumatların təhlili və maşın öyrənməsi kitabxanaları (pandas, numpy, scikit-learn, TensorFlow, Keras, PyTorch) üzrə əla biliklər.
• SQL biliyi və əlaqəli və əlaqəsiz məlumat bazaları ilə iş təcrübəsi.
• Böyük məlumatlarla işləmək təcrübəsi, məsələn, Apache Spark, Hadoop, Dask kimi platformalarda təcrübə.
• Modellərin istehsalat mühitinə tətbiqi üçün Docker və Kubernetes kimi texnologiyalardan istifadə təcrübəsi.
• Maşın öyrənməsi alqoritmləri üzrə məlumat (gradient artırma, təsadüfi meşə, qərar ağacları, neyron şəbəkələri, SVM).
• Mürəkkəb məlumatları analiz etmək və faydalı nəticələr əldə etmək bacarığı.
• Modellərin keyfiyyətini qiymətləndirmək üçün metrikalarla iş təcrübəsi (accuracy, precision, recall, F1-score, ROC-AUC).
• A/B testləri və hiperparametr optimallaşdırması sahəsində biliklər.
• Müxtəlif sahələrdən olan komandalarla işləmə təcrübəsi, biznes analitikləri və məlumat mühəndisləri ilə əməkdaşlıq.