Job
Aus Partner-Feed
Leitender Datenwissenschaftler
Preis auf Anfrage
Details
- Beschäftigungsart
- Vollzeit
- Remote
- Ja
- Unternehmen
- Zilch
Beschreibung
Automatisch aus dem English übersetzt. Der Originaltext ist maßgeblich. Maschinenübersetzung – eine genauere Version wird vorbereitet.
Wer wir sind:
Wir sind eines der am schnellsten wachsenden Fintech-Unternehmen Europas – mit der Mission, die weltweit leistungsstärkste Zahlungsmethode zu schaffen.
Wir haben das Produkt im Jahr 2020 auf den Markt gebracht und den Double-Unicorn-Status im Wert von 2 Milliarden US-Dollar erreicht und seitdem mehr als 6 Millionen Kunden gewonnen.
Unsere Mission ist es, die beste Möglichkeit zu werden, alles und überall zu bezahlen und uns von den Kreditkosten für alle zu verabschieden. Das ist riesig. Möchten Sie bei uns mitmachen?
Über die Rolle.
Wir suchen einen talentierten und erfahrenen Senior Data Scientist für das Risikoteam von Zilch, dessen Schwerpunkt auf der Entwicklung und Optimierung fortschrittlicher Modelle im Risikobereich liegt, vor allem im Bereich Kreditrisiken, mit zusätzlichem Schwerpunkt auf Inkassooptimierung und Betrugserkennung. Sie nutzen verschiedene Datenquellen, um Schlüsselbereiche im gesamten Unternehmen zu unterstützen und produktionstaugliche Modelle und Entscheidungslösungen zu erstellen, die die Risikoergebnisse, das Kundenerlebnis und die betriebliche Effizienz verbessern. Diese Rolle erfordert eine enge Zusammenarbeit mit funktionsübergreifenden Teams, darunter Produktmanager, Ingenieure, Risikostrategie-, Kredit-, Inkasso-, Betrugs- und andere Datenwissenschaftler, um sicherzustellen, dass datengesteuerte Erkenntnisse erfolgreich in Produktstrategien, Risikoentscheidungen und Geschäftswachstumsinitiativen integriert werden.
Dies ist eine praktische Rolle für jemanden, der starkes angewandtes maschinelles Lernen mit modernen ML-Ops-Praktiken kombiniert. Wir suchen einen Datenwissenschaftler, der Modelle von der Exploration bis hin zur Produktion, Überwachung und Iteration begleiten kann.
Hauptaufgaben.
• Arbeiten Sie mit großen und komplexen Datensätzen, um eine Vielzahl anspruchsvoller Probleme mithilfe verschiedener analytischer und statistischer Ansätze zu lösen.
• Wenden Sie technisches Fachwissen mit quantitativen Analysen, Experimenten, Data Mining und der Präsentation von Daten an, um Strategien für unsere Produkte zu entwickeln, die Millionen von Kunden und Tausende von Händlern bedienen.
• Erstellen, validieren, implementieren und überwachen Sie robuste, skalierbare Modelle und Modellpipelines für maschinelles Lernen über den gesamten Risikolebenszyklus hinweg, einschließlich Onboarding, Erschwinglichkeit, Life-Time-Value, Kredit-/Ausfallrisiko, In-Life-Risiko, Inkasso und Betrug.
• Präsentieren Sie hochrangigen Stakeholdern komplexe datenwissenschaftliche Erkenntnisse und Methoden klar und prägnant.
• Wenden Sie Methoden des maschinellen Lernens an, um risiko- und produktbezogene Geschäftsprobleme zu lösen und unsere Entscheidungsprozesse zu verbessern.
• Tragen Sie zu den Codierungsbemühungen des Teams bei und stellen Sie Best Practices in den Bereichen Versionskontrolle, Tests, CI/CD, Modellbereitstellung, Überwachung, Methoden, Arbeitsabläufe und Tools sicher.
• Führen Sie A/B-Tests, Champion-/Challenger-Tests und experimentelle Analysen durch, um neue Funktionen, Risikostrategien, Modelländerungen und Produktänderungen zu bewerten.
• Arbeiten Sie eng mit Engineering- und Plattformteams zusammen, um Modelle zu operationalisieren, Arbeitsabläufe zu automatisieren und die Modellzuverlässigkeit in der Produktion zu verbessern.
Was wir suchen.
• Mehr als 3 Jahre praktische Erfahrung als Datenwissenschaftler mit Schwerpunkt auf der Entwicklung und Bereitstellung von Modellen zur Verbesserung des Produkterlebnisses der Kunden, der Risikoentscheidung und der Geschäftsergebnisse, idealerweise in den Bereichen Kreditrisiko, Inkasso, Betrug, Finanzdienstleistungen, Kreditvergabe, Zahlungen oder einem anderen entscheidungsintensiven Bereich.
• Kenntnisse in SQL, Python und den wichtigsten Bibliotheken für Datenwissenschaft und maschinelles Lernen wie NumPy, Pandas und Scikit-Learn.
• Umfangreiche praktische Erfahrung mit der Entwicklung, Bereitstellung, Überwachung und Iteration von Modellen für maschinelles Lernen in Produktionsumgebungen, einschließlich cloudbasierter Modellschulung, Archivierung, Bereitstellung, Endpunktbereitstellung und Tools wie Amazon SageMaker oder ähnlichem.
• Erfahrung in der Vermittlung komplexer Ideen an ein technisch nicht versiertes Publikum und hochrangige Interessenvertreter.
• Ausgeprägtes Verständnis der Methoden des maschinellen Lernens, ihrer Anwendung in realen Szenarien und ein ausgeprägtes Bewusstsein für ihre Grenzen.
• Eine ausgeprägte technische Denkweise mit der Fähigkeit, sauberen, wartbaren und produktionsbereiten Code zu schreiben, Versionskontrollsysteme wie Git zu verwenden und effektiv in einer Umgebung mit mehreren Entwicklern zusammenzuarbeiten.
• Ein ergebnisorientierter Ansatz mit der Möglichkeit, Modelle in der Produktion schnell zu iterieren und zu verbessern.
• Kenntnisse über KI-Sicherheitsaspekte, wie z. B. Voreingenommenheitserkennung, Datenschutzmanagement und Umgang mit personenbezogenen Daten (PII).
• Vertrautheit mit Best Practices für die Softwareentwicklung und Pipelines für kontinuierliche Integration/kontinuierliche Bereitstellung (CI/CD), wie z. B. GitHub Actions.
• Erfahrung mit DBT für die Datenmodellierung und Looker für BI-Berichte.
• Interesse daran, über die sich entwickelnden Technologien auf dem Laufenden zu bleiben und diese zur Verbesserung der Geschäftsergebnisse einzusetzen.
Schön zu haben.
Im Folgenden handelt es sich eher um Boni als um strenge Anforderungen. Wir erwarten nicht, dass die Kandidaten alle davon haben:
• Vorkenntnisse in der Kreditrisikomodellierung, Inkassooptimierung, Betrugserkennung oder Risikostrategie.
• Vertrautheit mit Risikomodell-Governance, Erklärbarkeit, Fairness, Erschwinglichkeit oder regulatorischen Überlegungen bei Finanzdienstleistungen.
• Erfahrung mit Entscheidungswissenschaft, automatisierten Entscheidungssystemen, Entscheidungsmaschinen oder der Umsetzung von Risikostrategien.
• Erfahrung in der Anwendung neuronaler Netze oder Deep-Learning-Ansätze auf praktische Risiko-, Betrugs- oder Entscheidungsprobleme.
Finden Sie Jobs in Großbritannien auf Arbeitnow
Quelle: Arbeitnow (https://www.arbeitnow.co.uk/jobs/companies/zilch/senior-data-scientist-london-40791)
Wir sind eines der am schnellsten wachsenden Fintech-Unternehmen Europas – mit der Mission, die weltweit leistungsstärkste Zahlungsmethode zu schaffen.
Wir haben das Produkt im Jahr 2020 auf den Markt gebracht und den Double-Unicorn-Status im Wert von 2 Milliarden US-Dollar erreicht und seitdem mehr als 6 Millionen Kunden gewonnen.
Unsere Mission ist es, die beste Möglichkeit zu werden, alles und überall zu bezahlen und uns von den Kreditkosten für alle zu verabschieden. Das ist riesig. Möchten Sie bei uns mitmachen?
Über die Rolle.
Wir suchen einen talentierten und erfahrenen Senior Data Scientist für das Risikoteam von Zilch, dessen Schwerpunkt auf der Entwicklung und Optimierung fortschrittlicher Modelle im Risikobereich liegt, vor allem im Bereich Kreditrisiken, mit zusätzlichem Schwerpunkt auf Inkassooptimierung und Betrugserkennung. Sie nutzen verschiedene Datenquellen, um Schlüsselbereiche im gesamten Unternehmen zu unterstützen und produktionstaugliche Modelle und Entscheidungslösungen zu erstellen, die die Risikoergebnisse, das Kundenerlebnis und die betriebliche Effizienz verbessern. Diese Rolle erfordert eine enge Zusammenarbeit mit funktionsübergreifenden Teams, darunter Produktmanager, Ingenieure, Risikostrategie-, Kredit-, Inkasso-, Betrugs- und andere Datenwissenschaftler, um sicherzustellen, dass datengesteuerte Erkenntnisse erfolgreich in Produktstrategien, Risikoentscheidungen und Geschäftswachstumsinitiativen integriert werden.
Dies ist eine praktische Rolle für jemanden, der starkes angewandtes maschinelles Lernen mit modernen ML-Ops-Praktiken kombiniert. Wir suchen einen Datenwissenschaftler, der Modelle von der Exploration bis hin zur Produktion, Überwachung und Iteration begleiten kann.
Hauptaufgaben.
• Arbeiten Sie mit großen und komplexen Datensätzen, um eine Vielzahl anspruchsvoller Probleme mithilfe verschiedener analytischer und statistischer Ansätze zu lösen.
• Wenden Sie technisches Fachwissen mit quantitativen Analysen, Experimenten, Data Mining und der Präsentation von Daten an, um Strategien für unsere Produkte zu entwickeln, die Millionen von Kunden und Tausende von Händlern bedienen.
• Erstellen, validieren, implementieren und überwachen Sie robuste, skalierbare Modelle und Modellpipelines für maschinelles Lernen über den gesamten Risikolebenszyklus hinweg, einschließlich Onboarding, Erschwinglichkeit, Life-Time-Value, Kredit-/Ausfallrisiko, In-Life-Risiko, Inkasso und Betrug.
• Präsentieren Sie hochrangigen Stakeholdern komplexe datenwissenschaftliche Erkenntnisse und Methoden klar und prägnant.
• Wenden Sie Methoden des maschinellen Lernens an, um risiko- und produktbezogene Geschäftsprobleme zu lösen und unsere Entscheidungsprozesse zu verbessern.
• Tragen Sie zu den Codierungsbemühungen des Teams bei und stellen Sie Best Practices in den Bereichen Versionskontrolle, Tests, CI/CD, Modellbereitstellung, Überwachung, Methoden, Arbeitsabläufe und Tools sicher.
• Führen Sie A/B-Tests, Champion-/Challenger-Tests und experimentelle Analysen durch, um neue Funktionen, Risikostrategien, Modelländerungen und Produktänderungen zu bewerten.
• Arbeiten Sie eng mit Engineering- und Plattformteams zusammen, um Modelle zu operationalisieren, Arbeitsabläufe zu automatisieren und die Modellzuverlässigkeit in der Produktion zu verbessern.
Was wir suchen.
• Mehr als 3 Jahre praktische Erfahrung als Datenwissenschaftler mit Schwerpunkt auf der Entwicklung und Bereitstellung von Modellen zur Verbesserung des Produkterlebnisses der Kunden, der Risikoentscheidung und der Geschäftsergebnisse, idealerweise in den Bereichen Kreditrisiko, Inkasso, Betrug, Finanzdienstleistungen, Kreditvergabe, Zahlungen oder einem anderen entscheidungsintensiven Bereich.
• Kenntnisse in SQL, Python und den wichtigsten Bibliotheken für Datenwissenschaft und maschinelles Lernen wie NumPy, Pandas und Scikit-Learn.
• Umfangreiche praktische Erfahrung mit der Entwicklung, Bereitstellung, Überwachung und Iteration von Modellen für maschinelles Lernen in Produktionsumgebungen, einschließlich cloudbasierter Modellschulung, Archivierung, Bereitstellung, Endpunktbereitstellung und Tools wie Amazon SageMaker oder ähnlichem.
• Erfahrung in der Vermittlung komplexer Ideen an ein technisch nicht versiertes Publikum und hochrangige Interessenvertreter.
• Ausgeprägtes Verständnis der Methoden des maschinellen Lernens, ihrer Anwendung in realen Szenarien und ein ausgeprägtes Bewusstsein für ihre Grenzen.
• Eine ausgeprägte technische Denkweise mit der Fähigkeit, sauberen, wartbaren und produktionsbereiten Code zu schreiben, Versionskontrollsysteme wie Git zu verwenden und effektiv in einer Umgebung mit mehreren Entwicklern zusammenzuarbeiten.
• Ein ergebnisorientierter Ansatz mit der Möglichkeit, Modelle in der Produktion schnell zu iterieren und zu verbessern.
• Kenntnisse über KI-Sicherheitsaspekte, wie z. B. Voreingenommenheitserkennung, Datenschutzmanagement und Umgang mit personenbezogenen Daten (PII).
• Vertrautheit mit Best Practices für die Softwareentwicklung und Pipelines für kontinuierliche Integration/kontinuierliche Bereitstellung (CI/CD), wie z. B. GitHub Actions.
• Erfahrung mit DBT für die Datenmodellierung und Looker für BI-Berichte.
• Interesse daran, über die sich entwickelnden Technologien auf dem Laufenden zu bleiben und diese zur Verbesserung der Geschäftsergebnisse einzusetzen.
Schön zu haben.
Im Folgenden handelt es sich eher um Boni als um strenge Anforderungen. Wir erwarten nicht, dass die Kandidaten alle davon haben:
• Vorkenntnisse in der Kreditrisikomodellierung, Inkassooptimierung, Betrugserkennung oder Risikostrategie.
• Vertrautheit mit Risikomodell-Governance, Erklärbarkeit, Fairness, Erschwinglichkeit oder regulatorischen Überlegungen bei Finanzdienstleistungen.
• Erfahrung mit Entscheidungswissenschaft, automatisierten Entscheidungssystemen, Entscheidungsmaschinen oder der Umsetzung von Risikostrategien.
• Erfahrung in der Anwendung neuronaler Netze oder Deep-Learning-Ansätze auf praktische Risiko-, Betrugs- oder Entscheidungsprobleme.
Finden Sie Jobs in Großbritannien auf Arbeitnow
Quelle: Arbeitnow (https://www.arbeitnow.co.uk/jobs/companies/zilch/senior-data-scientist-london-40791)
Dieses Angebot stammt aus einem Partner-Feed. Bewerben Sie sich auf der Quell-Website.
Quelle: Zilch
Inserat bereitgestellt von Zilch.
