Veri Bilimcisi

საქართველოს ბანკის Model Risk Management Department-ში ინოვაციური მონაცემთა მართვის პროდუქტებისა და მასშტაბური ინტელექტუალური სისტემების შემუშავებაში მონაწილეობის შესაძლებლობით ვეძებთ მოტივირებულ, ცნობისმოყვარე და ნიჭიერ Veri Bilimcisi-ს. გუნდის წევრები ამოწმებენ, ამოწმებენ, აკონტროლებენ და აკონტროლებენ ყველა ხელოვნური ინტელექტის / მანქანური სწავლების მოდელს და გადაწყვეტილებებს, რომლებიც შემუშავებულია / გამოიყენება ბანკში მოდელის რისკის შესამცირებლად და სხვადასხვა ბიზნეს სფეროში ოპერაციების უსაფრთხოების უზრუნველსაყოფად (სესხის რისკი, მარკეტინგი, მომხმარებელთა მომსახურება, უკანა ოფისის ოპერაციების ოპტიმიზაცია და ა.შ.). ჩვენ ვეძებთ ადამიანებს მოდელის შემუშავებისა და / ან ვალიდაციის პრაქტიკული გამოცდილებით, რომელთაც შეუძლიათ დამოუკიდებლად განსაზღვრონ, შეაფასონ და შეამცირონ მოდელის რისკები და აიღონ პასუხისმგებლობა ვალიდაციის პროცესზე დასაწყისიდან ბოლომდე. თუ თქვენ ხართ მოტივირებული, მიზანდასახული ადამიანი, რომელსაც უყვარს თანამშრომლობა გადაწყვეტილებების მიწოდებისთვის, ეს შესაძლოა თქვენთვის შესაძლებლობა იყოს.

ძირითადი პასუხისმგებლობები: ქვემოთ მოცემული პასუხისმგებლობები ხორციელდება მაღალი ხარისხის დამოუკიდებლობით; კომპლექსური ან მაღალი გავლენის მქონე საკითხები განიხილება უფროსი გუნდის წევრებთან და დეპარტამენტის უფროსთან შესაბამისად.

• დამოუკიდებლად წარმართოს მოდელის ვალიდაციის პროცესი ეტაპობრივად, სკოპინგიდან და დაგეგმვიდან საბოლოო ანგარიშგებამდე, მოდელის შესრულების, კონცეპტუალური სიჯანსაღის, შეყვანის მონაცემების ხარისხისა და განვითარების მეთოდოლოგიის შეფასება.

• შექმნას და განახორციელოს მოდელის შედეგების ანალიზი, მათ შორის უკუ-ტესტირება, მგრძნობელობის ანალიზი და მოდელის ქცევის სტრეს ტესტირება.

• შეაფასოს ახალი და არსებული მოდელების საერთო მორგება და ვარგისიანობა მათი დანიშნულებისამებრ და კონსტრუქციულად დაუპირისპირდეს მოდელის მფლობელებსა და დეველოპერებს ძირითადი დიზაინის არჩევანის შესახებ.

• შეიმუშაოს საფუძვლიანი გაგება ბიზნეს პროცესების, პროდუქტებისა და გადაწყვეტილების მიღების კონტექსტში, რომელშიც მოდელები გამოიყენება, და შეაფასოს არის თუ არა მოდელის დიზაინი, შეყვანები და შედეგები შესაფერისი ამ კონტექსტისთვის.

• განსაზღვროს მოდელების ძირითადი ვარაუდები, შეზღუდვები და სისუსტეები, შეაფასოს კომპენსირების კონტროლის ეფექტურობა, შეაფასოს დასკვნების სიმძიმე და ჩამოაყალიბოს პრაქტიკული რისკის შემცირების რეკომენდაციები.

• შეიმუშაოს საორიენტაციო და ალტერნატიული მოდელები, შეარჩიოს შესაბამისი ტექნიკები მიმოხილვის ქვეშ მყოფი მოდელების შეფასების დასადასტურებლად.

• მოამზადოს მკაფიო, სტრუქტურირებული ვალიდაციის ანგარიშები და წარმოადგინოს დასკვნები და რეკომენდაციები მოდელის მფლობელებს, დეველოპერებსა და ბიზნეს დაინტერესებულ მხარეებს.

• გამოიყენოს მოდელის რისკის პოლიტიკა და დაკავშირებული სტანდარტები თანმიმდევრულად ყოველდღიურ მუშაობაში და ხელი შეუწყოს მათ მიმოხილვასა და გაუმჯობესებას.

• განახორციელოს მოდელის მიმდინარე მუშაობის მონიტორინგი, განსაზღვროს შესაბამისი მეტრიკები და ზღურბლები და გაეყოლოს გამოვლენილი პრობლემების გადაჭრის პროცესს.

• Model yönetimine aktif olarak katkıda bulunmak ve otomasyon ve yeniden kullanılabilir araçlar aracılığıyla doğrulama ve izleme sürecinin optimizasyonunu teşvik etmek, düzenleyici değişiklikler ve diğer girişimleri dahil etmek.

• Gelişmiş AI/ML ve Üretken AI çözümlerini (LLM- ve RAG-tabanlı uygulamalar dahil) doğrulamak ve bu model türleri için ekibin doğrulama yaklaşımlarını geliştirmeye katkıda bulunmak.

• Ekip içinde bilgi paylaşımına katkıda bulunmak ve gerektiğinde meslektaşları desteklemek.

Tercih Edilen Nitelikler

• İstatistik, Matematik, Veri Bilimi, Bilgisayar Bilimi veya ilgili alanlarda derece.

• Model geliştirme, model doğrulama, veri bilimi veya nicel analizde 1-3 yıl ilgili çalışma deneyimi.

• Finansal sektörde, özellikle bankacılıkta (örneğin, kredi riski, IFRS 9 veya puanlama modelleri) deneyim bir avantajdır.

• Karmaşık ve büyük ölçekli yapılandırılmış veri kümeleriyle çalışma deneyimi; yapılandırılmamış verilerle (metin, belgeler) çalışma deneyimi bir avantajdır.

• İstatistiksel modelleme ve makine öğrenimi teknikleri, model değerlendirme, açıklanabilirlik ve önyargı/adillik değerlendirmesi hakkında güçlü bilgi.

• Derin öğrenme, takviyeli öğrenme veya doğal dil işleme ile pratik deneyim bir avantajdır.

• Büyük Dil Modelleri (LLM'ler) ve pratik uygulamaları, istem mühendisliği, ince ayar veya LLM değerlendirmesi dahil, ile ilgili deneyim bir avantajdır.

• Transformatör mimarisi ve dikkat mekanizmaları hakkında sağlam bir anlayış; transformatör tabanlı modellerle pratik deneyim bir avantajdır.

• Retrieval-Augmented Generation (RAG) sistemleri ve bileşenleri, vektör veritabanları, gömülü modeller ve belge alma boru hatları dahil, ve değerlendirme yaklaşımları hakkında anlayış bir avantajdır.

• Python ve SQL'de güçlü yeterlilik, ilişkisel veritabanı kavramları ve veri modelleme hakkında sağlam bilgi; temiz, tekrarlanabilir ve iyi belgelenmiş kod yazma yeteneği.

• ML çerçeve çalışmaları (TensorFlow, PyTorch, Scikit-Learn, vb.); Büyük Veri teknolojileri (Hadoop/Hive, Spark, NoSQL, vb.) ile aşinalık bir avantajdır.

• Veri görselleştirme kütüphaneleri (Matplotlib veya Plotly gibi) ve araçlar (Microsoft Power BI veya Tableau gibi) ile deneyim, panolar ve izleme raporları oluşturma dahil.

Bilgi, Beceri ve Yetenekler

• Güçlü veri anlatımı becerileri ve karmaşık analitik bulguları teknik ve teknik olmayan kitlelere, üst düzey paydaşlar dahil, açık ve ikna edici bir şekilde iletişim kurma yeteneği.

• Güçlü analitik ve problem çözme becerileri.

• İş süreçlerini analiz etme ve iş bağlamını model riski değerlendirmelerine çevirme yeteneği.

• Eleştirel düşünme, profesyonel şüphecilik ve detaylara dikkat.

• Ekip oyuncusu ve kendi kendine yeten, güçlü bir sahiplik duygusu ile birden fazla doğrulama ve önceliği paralel olarak yönetebilen ve teslimat sürelerini karşılayabilen.

• Sorunları bağımsız olarak giderme ve ne zaman yükseltileceğine dair sağlam bir yargı kullanma yeteneği.

• Gürcüce ve İngilizce olarak açık ve öz bir şekilde yazma becerisi.

İlgili adaylar, lütfen bilgileri girin, CV'nizi ekleyin ve "şimdi başvuru yap" düğmesine tıklayarak gönderin. Son başvuru tarihi 18 Kasım 2026.