Kiçik Machine Learning və Data Mühəndisi

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