Младший инженер по машинному обучению и данным

Vəzifənin məqsədi

Bu əməkdaş FinTech Lab MMC-nin məhsul və əməliyyat məlumatlarını analitik və machine learning istifadəsi üçün hazırlayır. Senior AI Engineer, ML Engineer və ya AI Engineering Lead-in rəhbərliyi altında ilkin proqnozlaşdırma, təsnifat, anomaliya aşkarlanması və scoring modellərinin hazırlanmasında iştirak edir.

Əsas vəzifə öhdəlikləri

• PostgreSQL və təsdiq edilmiş digər mənbələrdən məlumatların çıxarılması, təmizlənməsi, birləşdirilməsi və keyfiyyətinin yoxlanılmasında iştirak etmək.
• Python və SQL vasitəsilə təkrarlana bilən feature engineering və dataset preparation prosesləri qurmaq.
• Classification, regression, clustering, anomaly detection və sadə forecasting modelləri üçün baseline həllər hazırlamaq.
• Train, validation və test dataset-ləri üzrə modelin düzgün qiymətləndirilməsində iştirak etmək.
• Data leakage, class imbalance, overfitting, yanlış target seçimi və data keyfiyyəti risklərini aşkar etmək.
• Precision, recall, F1-score, ROC-AUC, MAE, RMSE və biznesə uyğun digər metrikaları hesablamaq və şərh etmək.
• Error analysis aparmaq, səhv proqnozların səbəblərini araşdırmaq və təkmilləşdirmə təklifləri vermək.
• Notebook şəklində yaradılmış analizi dəstəklənə bilən Python modullarına, SQL sorğularına və planlı pipeline-lara çevirmək.
• Dataset, feature, model versiyası, təlim parametrləri, nəticələr və məhdudiyyətlər barədə sənədləşmə aparmaq.
• Finance, Service Management, Software Engineering və məhsul komandaları ilə target dəyişənini, biznes qaydalarını və nəticə metrikalarını dəqiqləşdirmək.
• Müştəri və maliyyə məlumatları ilə işləyərkən məxfilik, maskalama, giriş səlahiyyəti və data minimization qaydalarına əməl etmək.

Mümkün iş istiqamətləri

• Ödəniş ehtimalı və collection-priority scoring.
• Şübhəli əməliyyat, fraud və ya anomaliya aşkarlanması.
• Lead scoring və müraciət keyfiyyətinin qiymətləndirilməsi.
• Müştəri müraciətlərinin təsnifatı və eskalasiya ehtimalının proqnozlaşdırılması.
• Təkrarlanan müştəri, elan və ya məlumat qeydinin aşkarlanması.
• Daşınmaz əmlak və avtomobil platformaları üçün qiymət aralığı, tələbat və əməliyyat həcmi proqnozları.
• İş yükü, müraciət sayı, zəng həcmi və digər əməliyyat metrikaları üzrə forecasting.

Mütləq tələblər

Təhsil və təcrübə

• Data Science, Kompüter Elmləri, Riyaziyyat, Statistika, Süni İntellekt, Mühəndislik və ya əlaqəli sahədə bakalavr təhsili, son kurs tələbəsi və ya ekvivalent praktiki hazırlıq.
• 0–2 il təcrübə; internship, akademik layihə, hackathon, Kaggle layihəsi, open-source töhfəsi və ya ciddi GitHub portfeli qəbul edilir.
• Data preparation, model təlimi və model evaluation mərhələlərini əhatə edən ən azı bir layihəni izah edə bilmək.

Proqramlaşdırma və data bacarıqları

• Python dili üzrə yaxşı praktik baza.
• pandas, NumPy və scikit-learn ilə işləmək bacarığı.
• Data cleaning, data type conversion, missing value emalı, duplicate aşkarlanması və outlier araşdırması.
• SQL üzrə yaxşı baza: SELECT, JOIN, CTE, GROUP BY, HAVING, window functions, date/time funksiyaları və data quality yoxlamaları.
• PostgreSQL və ya digər relational database ilə ilkin praktik təcrübə.
• CSV, JSON və relational data formatları ilə işləmək.
• Git, branch, commit, pull request və code review prinsipləri üzrə baza biliklər.
• Jupyter Notebook və ya ekvivalent analiz mühitində işləmək bacarığı.

Machine Learning və statistika

• Regression, classification, clustering, anomaly detection və time-series anlayışları.
• Train/validation/test bölgüsü, cross-validation, baseline model və hyperparameter anlayışları.
• Overfitting, underfitting, data leakage, class imbalance və feature engineering prinsipləri.
• Precision, recall, F1-score, confusion matrix, ROC-AUC, PR-AUC, MAE və RMSE metrikalarının tətbiq sahələri.
• Logistic regression, decision tree, random forest, gradient boosting və k-nearest neighbors kimi ilkin alqoritmlər barədə praktiki bilik.
• Əsas statistika: orta qiymət, median, standart sapma, paylanma, korrelyasiya, seçmə, ehtimal və sadə hipotez yoxlaması.
• Texniki nəticəni biznes təsiri baxımından da izah etmək bacarığı.

Keyfiyyət, təhlükəsizlik və məsuliyyət

• Təlim dataset-i ilə real proqnoz zamanı mövcud olacaq məlumatın fərqini anlamaq və leakage riskini qiymətləndirmək.
• Həssas müştəri və maliyyə məlumatlarının məxfiliyinə riayət etmək.
• Şəxsi məlumatlardan lazımsız istifadə, qeyri-qanuni profiling və nəzarətsiz avtomatlaşdırılmış qərarlardan çəkinmək.
• Modelin məhdudiyyətlərini, yanlış nəticə risklərini və insan yoxlaması tələb olunan halları sənədləşdirmək.
• Təkrarlana bilən kod, aydın data mənbələri və ölçülə bilən nəticələr təqdim etmək.

Arzuolunan tələblər

• PyTorch və ya TensorFlow üzrə ilkin təcrübə.
• XGBoost, LightGBM və ya CatBoost ilə iş təcrübəsi.
• Fraud detection, risk scoring, kredit, ödəniş, collection, marketplace, daşınmaz əmlak və ya avtomobil məlumatları üzrə maraq və ya təcrübə.
• dbt, Airflow, Prefect və ya digər data orchestration alətlərindən biri ilə ilkin tanışlıq.
• Docker və Docker Compose üzrə baza biliklər.
• Metabase, Grafana və ya digər BI/dashboard alətləri ilə KPI yoxlama təcrübəsi.
• MLflow, DVC, Weights & Biases və ya digər experiment tracking alətləri barədə ilkin bilik.
• Böyük həcmli PostgreSQL cədvəlləri və sorğu performansı barədə ilkin anlayış.

Şəxsi keyfiyyətlər

• Güclü analitik düşüncə və datada uyğunsuzluqları aşkar etmək bacarığı.
• Korrelyasiyanı səbəb-nəticə kimi təqdim etməmək və ehtimallı nəticələrə ehtiyatlı yanaşmaq.
• Dəqiqliyə, sənədləşdirməyə və təkrarlana bilən iş metodlarına diqqət.
• Rəy qəbul etmək və mentorluq altında sürətlə inkişaf etmək istəyi.
• Biznes komandalarının suallarını aydınlaşdırmaq və nəticəni sadə dillə izah etmək bacarığı.

İş barədə məlumat:

• Əmək haqqı: Namizədin bilik, bacarıq və iş təcrübəsinə uyğun olaraq müəyyən edilir.
• İş yeri: Bakı, Nərimanov ray., Fəxrəddin Musayev küç., 10A.
• Komfortlu ofis şəraiti, müasir tələblərə uyğun idarəetmə sistemi, mehriban komanda
• 5 günlük iş qrafiki: I-V-ci günlər 09:00-18:00

CV-lərinizi “Kiçik Machine Learning və Data Mühəndisi” başlığı altında Müraciət et düyməsində qeyd olunan elektron poçt ünvanına göndərməyiniz xahiş olunur.

Qeyd: Növbəti mərhələ üçün yalnız vakansiyanın tələblərinə uyğun olan namizədlər ilə əlaqə saxlanılır