Разбираем вакансию: как упаковать Classic ML проект под банковский скоринг 💳

Сегодня берём вакансию с hh и показываю, какой проект можно собрать в резюме, чтобы на собесе было что защищать.

Прошлый такой пост у меня был про агенты в закрытом тгк (вступить можно через заполнение анкеты), а сегодня - классический Data Science в банках: в рисках, скоринге и кредитных моделях до сих пор лежит очень много денег.

Вот вакансия Альфы: Senior Data Scientist в разработку рисковых розничных моделей
Внутри хотят: PD / LGD / EAD, кредитный риск, CatBoost / XGBoost, продовую инфраструктуру и мониторинг моделей.

Под такую вакансию идеально ложится проект: PD-скоринг для потребительского кредита
Суть простая: клиент оставляет заявку на кредит, а модель оценивает вероятность дефолта - вернёт он деньги или уйдёт в просрочку.

На выходе система отдаёт риск-скор:

{
  "client_id": 123,
  "pd_score": 0.18,
  "risk_segment": "medium",
  "decision": "manual_review"
}

Дальше банк принимает решение: одобрить заявку, отказать, отправить на ручную проверку или поменять условия кредита - сумму, ставку, срок, лимит.

1. Бизнесовая логика
В банковском DS важно понимать, какую пользу даёт модель бизнесу.: PD-скоринг помогает банку снижать дефолты, сохранять approval rate, уменьшать cost of risk, автоматизировать решения и управлять доходностью кредитного портфеля. Банк покупает специалиста, который понимает, как модель влияет на деньги, риск и продукт 😏

Можно сказать так:

Модель оценивает риск клиента на момент заявки и помогает банку принимать кредитное решение с учётом вероятности дефолта, доходности и риск-политики.

2. Данные и признаки

В проект можно заложить нормальный банковский датасет:

— анкетные данные клиента;
— возраст, регион, семейное положение;
— доход и долговая нагрузка;
— сумма и срок кредита;
— кредитная история;
— прошлые просрочки;
— количество активных кредитов;
— поведение в приложении.

Дальше feature engineering: credit / income, payment / income, число просрочек за последние N месяцев, возраст последнего кредита, количество заявок за период, флаги риска, биннинги по доходу, возрасту и сумме кредита. Самый важный момент: все признаки считаются на момент заявки - без будущего, без утечек, без ситуации, где модель случайно знает то, что в проде ей будет недоступно 👎

3. Модель и валидация

Для такой задачи хорошо подходят бустинги: CatBoost, LightGBM, XGBoost. Сильная история начинается с нормальной схемы оценки:

— time-based split;
— контроль утечек;
— работа с дисбалансом классов;
— Gini / AUC / LogLoss;
— подбор порога под бизнес-цель;
— SHAP / feature importance;
— проверка стабильности на временных срезах.

Можно обучать модель на заявках за прошлый период, а тестировать на более свежих данных. Так ты показываешь, что модель будет работать на будущем потоке клиентов.

На собесе можно говорить:

Я строил PD-модель, валидировал её через time-based split, контролировал утечки, подбирал порог под баланс между approval rate и default rate, а качество смотрел через Gini, AUC и бизнес-метрики (рассказать про значение метрик).

4. Прод и мониторинг
Чтобы проект выглядел взрослым, его нужно довести до сервиса:

— FastAPI для скоринга заявки;
— Docker;
— логирование входов и предсказаний;
— версионирование модели;
— мониторинг PSI и drift;
— контроль approval rate / default rate;
— fallback на старую модель;
— регулярное переобучение.

Скелет проекта: заявка → фичи → PD-модель → риск-сегмент → кредитное решение → мониторинг → переобучение

И вот тогда на собесе ты можешь сказать:

Я собрал PD-скоринг для кредитных заявок: подготовил признаки без утечек, обучил бустинг, провалидировал модель по времени, подобрал порог под бизнес-метрики и завернул всё в сервис с мониторингом.

Такой проект можно адаптировать под потребкредиты, кредитки, рассрочки, BNPL, микрозаймы и финтех. Главное: проект в резюме должен быть похож на реальную рабочую задачу


Банк хочет видеть человека, который понимает данные, риск, метрики, модель, прод и бизнесовый смысл решения.

Ставьте огни, если делать ещё разборы проектов под вакансии 🔥

Идём всю Москву пешком вместе с вами 😋

Если завтра на закрытом эфире будет 60+ человек онлайн, запускаю отдельный ивент для своих: пешком через всю Москву

В августе собираемся и идём примерно 35 км пешком. По пути буду рассказывать про свой путь: как начинал, где ошибался, где было больно, что не получалось, через какое говно пришлось пройти и как всё это в итоге привело меня к тому, что сейчас мы вместе делаем эту грязюку

Так что завтра реально важный эфир: мы всей командой сейчас пыхтим, докручиваем презентацию и хотим сделать для вас максимально сильный разбор по менторству, программе, команде, кейсам и выходу на новый уровень 👓

Поэтому залетайте завтра эфир (подробности тут) и не сливайтесь в скуфа, потому что записи не будет, хз когда ещё такое сделаем

А сейчас голосование: кто будет на эфире, а кто решил поскуфиться 👇

Это было ахуенно - второй раз 😐

Всё, спасибо всем за эфир, написало ОООЧЕНЬ МНОГО людей (экрана не хватило для скрина). А мы работаем братья, буду продолжать вас работать анальным/техническим и личным контентом

ВСЕМ СПАСИБО!!! 🚶‍♂️