Kiçik machine learning və data mühəndisi

Kiçik machine learning və data mühəndisi vəzifəsi üçün Bakı üzrə vakansiya elan edilir. Bu rol analitik düşüncəyə, Python, SQL və ML əsaslarına malik namizədlər üçün nəzərdə tutulub.

Vəzifənin məqsədi

Bu əməkdaş FinTech Lab MMC-nin məhsul və əməliyyat məlumatlarını analitika və machine learning istifadəsinə uyğun şəkildə hazırlayır. Senior AI Engineer, ML Engineer və ya AI Engineering Lead-in rəhbərliyi altında ilkin proqnozlaşdırma, təsnifat, anomaliya aşkarlanması və scoring modellərinin hazırlanmasına dəstək verir.

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 müəyyənləşdirmək.
• 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 formatında hazırlanmış analizi dəstəklənə bilən Python modullarına, SQL sorğularına və planlı pipeline-lara çevirmək.
• Dataset, feature, model versiyası, təlim parametrləri, nəticələr və məhdudiyyətlər barədə sənədləşdirmə 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 ehtiyatla 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.