This is a very interesting project focused on pricing optimisation for insurance companies, using an ensemble of predictive models. The tech stack includes: pandas, numpy, PyTorch, SHAP, and scikit-learn.
We are looking for candidates with experience in building predictive models for time series, strong attention to detail, and a continuous desire to improve and expand their machine learning skills.
Key Responsibilities:
- Create statistical summaries to support hypothesis testing and data-driven decisions during EDA
- Implement data preparation and feature engineering pipelines for the models
- Plan and implement algorithms for predictive modeling.
- Provide continuous improvement of models in production
- Lead the ML-driven python coding for end to end model deliveries, support our ML-related libraries/
- Collaborate with a cross-functional team of specialists, including senior and junior data scientists, Python developers and ML engineers, data analysts, and DevOps specialists.
- Provide expertise in tuning loss functions, metrics, sample weights adjustment, hyperparameter tuning and model improvement in general.
- Generate detailed evaluation reports, summarizing key findings and presenting actionable insights to stakeholders.
- Keep up with tight deadlines, agile environment of work with evolving objectives and KPIs, having the highest level of organisation and self management to provide a full work clarity, extensive tracking and documentation of your work.
What We Offer:
- Competitive remuneration package.
- Bonuses
- Professional mentorship and guidance from experienced team members.
- Opportunities for professional growth and continuous learning.
- A dynamic and collaborative work environment.
Досвід з Time Series: Глибоке розуміння прогнозування часових рядів (Trend, Seasonality, Stationarity). Досвід роботи з моделями класу ARIMA/SARIMA, Prophet, Exponential Smoothing.
Стек Python: Впевнене володіння Pandas, NumPy, Scikit-learn. Досвід роботи з фреймворками глибокого навчання (PyTorch або TensorFlow) для побудови рекурентних мереж (LSTM, GRU).
Scoring & Classification: Вміння будувати скорингові моделі, працювати з логістичною регресією, деревами рішень та ансамблями (XGBoost, CatBoost, LightGBM).
Data Engineering: Навички роботи з SQL (PostgreSQL/MySQL), обробка великих обсягів даних, очищення від "шумів" та заповнення пропусків.
MLOps: Розуміння життєвого циклу моделі — від експериментів у Jupyter до деплою в Production (Docker, FastAPI).
Складні та інтелектуальні задачі: Робота над проектом, де математика та Time Series — це основа продукту, а не просто додаток. Ви будете безпосередньо впливати на точність прогнозів та бізнес-результати.
Сильна технічна команда: Робота пліч-о-пліч з досвідченим Tech Lead, який «розмовляє однією мовою» з математиками та інженерами.
Гнучкий Full-time формат: Повна зайнятість із можливістю підлаштувати графік під свій ритм (студенти).
Стабільність та прозорість: Конкурентна заробітна плата, чіткі етапи інтерв'ю та швидкий фідбек.
Deep Math & Research: Ви не просто будете використовувати готові бібліотеки, а зануритесь у фундаментальні аспекти ML. Це унікальна можливість розвинути експертизу в складних темах: від спектрального аналізу до стохастичного контролю.
Engineering Excellence: Ми вчимо будувати не просто "моделі в зошиті", а надійні системи. Ви опануєте повний цикл MLOps: від підготовки даних до деплою високонавантажених сервісів у Docker.
Individual Development Plan (IDP): Ми допоможемо сформувати чітку карту вашого розвитку — від Middle до Senior/Lead.
Knowledge Sharing: Ми заохочуємо внутрішні технічні мітапи та обмін досвідом. Якщо ви знайшли нове круте рішення на arXiv або Kaggle — ми з радістю виділимо час на його розбір та обговорення з командою.
Вихід на міжнародний рівень: Працюючи над складними алгоритмічними задачами, ви формуєте портфоліо світового рівня, що робить вас затребуваним експертом на глобальному ринку AI.
