Starszy Analityk / ML / Quant Risk Modeling Specialist (#FIL4T)
emagine
Rola skupia się na budowie i rozwijaniu modeli ML/statystycznych dla obszarów ryzyka, treasury i portfolio management w bankowości. Będziesz pracować nad modelami predykcyjnymi (np. VaR), szeregami czasowymi, analizować dane transakcyjne i rynkowe, oraz przygotowywać modele do wdrożenia operacyjnego. To stanowisko wymaga silnego backgroundu w modelowaniu ilościowym i znajomości finansów.
Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji.
Brakuje: nie podano wielkości zespołu ani struktury, brak opisu narzędzi mlops/deploy.
Rola skupia się na budowie i rozwijaniu modeli ML/statystycznych dla obszarów ryzyka, treasury i portfolio management w bankowości. Będziesz pracować nad modelami predykcyjnymi (np. VaR), szeregami czasowymi, analizować dane transakcyjne i rynkowe, oraz przygotowywać modele do wdrożenia operacyjnego. To stanowisko wymaga silnego backgroundu w modelowaniu ilościowym i znajomości finansów.
- ✓W pełni zdalna praca z elastycznym B2B
- ✓Ciekawa domena finansowa z realnym wpływem na decyzje biznesowe
- ✓Możliwość pracy w środowisku regulowanym, co rozwija kompetencje
- !Brak informacji o wielkości zespołu i strukturze projektu
- !Nie podano narzędzi do deployowania modeli ani MLOps
- !Brak opisu procesu rekrutacyjnego
- !Stawka 135 PLN/h może być sztywna, bez negocjacji
- ?Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji
- •Projektowanie i implementacja modeli ML/statystycznych dla zastosowań finansowych
- •Modelowanie ryzyka z użyciem szeregów czasowych i modeli predykcyjnych (np. VaR)
- •Analiza danych transakcyjnych i rynkowych oraz feature engineering
- •Kalibracja, walidacja i testowanie modeli
- •Przygotowanie modeli do użycia operacyjnego i współpraca przy wdrożeniach
- •Dokumentowanie założeń, wyników i ograniczeń modeli
Oferta dla doświadczonych specjalistów (Senior).
Data Scientist/Quant z co najmniej 5 latami doświadczenia, który ma solidne podstawy statystyki i Pythona, ale niekoniecznie zna specyfikę bankowości (choć to atut).
Nie dla osób bez doświadczenia w modelowaniu ilościowym (poniżej 5 lat) lub bez znajomości finansów - rola wymaga specyficznej wiedzy domenowej.
- ?Ile osób liczy zespół i jakie są role w projekcie?
- ?Jakie są główne źródła danych i jak wygląda dostęp do nich?
- ?Jakie narzędzia są używane do wdrażania modeli (MLflow, Docker, Kubernetes)?
- ?Czy są konkretne modele, które mają być rozwijane od zera, czy raczej utrzymanie istniejących?
- ?Jak wygląda proces walidacji modeli i kto zatwierdza je do produkcji?
- ?Jakie są godziny pracy i czy jest wymagana dostępność poza standardowymi godzinami?
- −Nie podano wielkości zespołu ani struktury
- −Brak opisu narzędzi MLOps/deploy
- −Nie wiadomo, jakie są konkretne modele w użyciu
- −Brak informacji o procesie rekrutacyjnym
Współpraca z zespołami finansowymi, nacisk na współdziałanie i zrozumienie biznesu.