شرح وظایف: 
تحلیل داده‌های ساخت‌یافته و غیرساخت‌یافته و استخراج الگوهای کلیدی برای تصمیم‌گیری 
طراحی، توسعه و ارزیابی مدل‌های یادگیری ماشین با تمرکز بر اعتبارسنجی، ریسک اعتباری و پیش‌بینی رفتار مشتری 
بهبود و پایش مداوم مدل‌های موجود (Model Monitoring, Model Validation) 
همکاری نزدیک با تیم‌های مهندسی داده، Data Engineers، برای آماده‌سازی و بهینه‌سازی داده‌ها 
مستندسازی فرآیندها، مفروضات و نتایج مدل‌ها برای تیم‌های داخلی و نهادهای نظارتی 
ارائه تحلیل‌های دقیق و قابل اجرا برای مدیران محصول و تیم‌های کسب‌وکار 
پیاده‌سازی مدل‌ها در محیط عملیاتی با رویکرد  MLOps

شرایط احراز:
حداقل 5 سال تجربه عملی در حوزه Data Science و Machine Learning 
تسلط بر الگوریتم‌های کلاسیک و مدرن یادگیری ماشین (Logistic Regression, Tree-based models, Gradient Boosting, Neural Networks, …) 
مهارت بالا در Python و کتابخانه‌های مرتبط (Pandas, NumPy, Scikit-learn, XGBoost, LightGBM, …) 
تجربه کار با پایگاه‌داده‌ها (SQL) 
آشنایی با مفاهیم  MLOps، ساخت Pipeline، نسخه‌بندی مدل‌ها و استقرار آن‌ها 
توانایی تجزیه و تحلیل آماری و آزمون فرض‌ها 
مهارت بالا در روایت‌گری داده (Data Storytelling) و ارائه تحلیل به ذینفعان غیر فنی 
تجربه کاری و آشنایی با الگوریتم‌های مورد استفاده در صنعت بانکی و مالی، به‌ویژه در زمینه مدل‌سازی اعتبارسنجی (Credit Scoring)، ریسک اعتباری و تحلیل رفتار مشتری امتیاز محسوب می شود.