მონაცემთა მეცნიერი

საქართველოს ბანკის მოდელის რისკების მართვის დეპარტამენტი ეძებს ვნებიან, ცნობისმოყვარე და ნიჭიერ მონაცემთა მეცნიერს, რომელიც შეუერთდება ჩვენს მზარდ გუნდს. თქვენ გექნებათ შესაძლებლობა, ხელი შეუწყოთ სხვადასხვა ინოვაციური მონაცემთა მომარაგებული პროდუქტებისა და მასშტაბური ინტელექტუალური სისტემების შექმნას. გუნდის წევრები ამოწმებენ, ამტკიცებენ, აკონტროლებენ და მონიტორინგებენ ყველა იმ ხელოვნური ინტელექტის/მანქანური სწავლების მოდელსა და გადაწყვეტილებას, რომლებიც ბანკშია შემუშავებული ან გამოიყენება, რათა მინიმუმამდე დაიყვანონ მოდელის რისკი და შექმნან უსაფრთხო გარემო სხვადასხვა სფეროში (სესხის რისკი, მარკეტინგი, მომხმარებელთა მომსახურება, უკანა ოფისის ოპერაციების ოპტიმიზაცია და ა.შ.). ჩვენ ვეძებთ ადამიანებს, რომლებსაც აქვთ პრაქტიკული გამოცდილება მოდელის შემუშავებასა და/ან ვალიდაციაში, რომელთაც შეუძლიათ დამოუკიდებლად განსაზღვრონ, შეაფასონ და მინიმუმამდე დაიყვანონ მოდელის რისკები და აიღონ პასუხისმგებლობა ვალიდაციის პროცესზე თავიდან ბოლომდე. თუ თქვენ ხართ მარაგი, მიზანდასახული ადამიანი, რომელსაც უყვარს თანამშრომლობა გადაწყვეტილებების მიწოდებისთვის, ეს შესაძლოა თქვენთვის კარგი 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 ვალიდაცია თავიდან ბოლომდე, დაწყებული მოცულობისა და დაგეგმვისგან და დამთავრებული საბოლოო ანგარიშგებით, მოდელის შესრულების, კონცეპტუალური სიჯანსაღის, შეყვანის მონაცემების ხარისხისა და განვითარების მეთოდოლოგიის შეფასებით.

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

• შეაფასოს ახალი და არსებული მოდელების საერთო ვარგისიანობა და მათი დანიშნულებისამებრივი გამოყენება და კონსტრუქციულად დაუპირისპირდეს მოდელის მფლობელებსა და დეველოპერებს ძირითადი დიზაინის არჩევანზე.

• შეიმუშაოს ღრმა გაგება იმ ბიზნეს პროცესების, პროდუქტებისა და გადაწყვეტილების მიღების კონტექსტისა, რომელშიც მოდელები გამოიყენება, და შეაფასოს არის თუ არა მოდელის დიზაინი, შეყვანები და შედეგები შესაბამისი ამ კონტექსტისთვის.

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

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

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

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

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

• აქტიურად წვლილის შეტანა მოდელის მართვის საქმიანობებში და ვალიდაციისა და მონიტორინგის პროცესის ოპტიმიზაციის მამოძრავებელი ავტომატიზაციისა და ხელახალი გამოყენების ხელსაწყოების საშუალებით, მარეგულირებელი ცვლილებების და სხვა ინიციატივების ჩათვლით.

• მოწინავე AI/ML და გენერაციული AI გადაწყვეტილებების ვალიდაცია (მათ შორის LLM- და RAG-ზე დაფუძნებული აპლიკაციები) და გუნდის ვალიდაციის მიდგომების შემუშავებაში წვლილის შეტანა ამ ტიპის მოდელებისთვის.

• ცოდნის გაზიარებაში წვლილის შეტანა გუნდში და კოლეგების მხარდაჭერა საჭიროებისამებრ.

სასურველი კვალიფიკაციები

• სტატისტიკის, მათემატიკის, მონაცემთა მეცნიერების, კომპიუტერული მეცნიერების ან მასთან დაკავშირებული სფეროების სპეციალობა.

• 1-3 წლის შესაბამისი სამუშაო გამოცდილება მოდელის შემუშავებაში, მოდელის ვალიდაციაში, მონაცემთა მეცნიერებაში ან რაოდენობრივ ანალიზში.

• ფინანსურ სექტორში მუშაობის გამოცდილება, განსაკუთრებით საბანკო საქმეში (მაგალითად, საკრედიტო რისკი, IFRS 9 ან სკორინგის მოდელები), არის პლუსი.

• დიდი და კომპლექსური სტრუქტურირებული მონაცემთა ნაკრების დამუშავების გამოცდილება; არასტრუქტურირებული მონაცემებით (ტექსტი, დოკუმენტები) მუშაობის გამოცდილება არის პლუსი.

• სტატისტიკური მოდელირებისა და მანქანური სწავლის ტექნიკის ძლიერი ცოდნა, მათ შორის მოდელის შეფასება, ახსნა და მიკერძოების/სამართლიანობის შეფასება.

• ღრმა სწავლის, განმტკიცვის სწავლის ან ბუნებრივი ენის დამუშავების პრაქტიკული გამოცდილება უპირატესობაა.

• დიდი ენის მოდელებთან (LLM) და მათ პრაქტიკულ გამოყენებაში მუშაობის გამოცდილება, მათ შორის სწრაფი ინჟინერია, დახვეწა ან LLM შეფასება, უპირატესობაა.

• ტრანსფორმატორის არქიტექტურისა და ყურადღების მექანიზმების მყარი გაგება; ტრანსფორმატორზე დაფუძნებული მოდელებით პრაქტიკული გამოცდილება უპირატესობაა.

• Retrieval-Augmented Generation (RAG) სისტემებისა და მათი კომპონენტების, მათ შორის ვექტორული მონაცემთა ბაზების, ჩანერგვის მოდელებისა და დოკუმენტების მოძიების მილსადენების, ასევე მათი შეფასების მიდგომების გაგება, არის პლუსი.

• Python და SQL-ის ძლიერი ცოდნა, რელაციური მონაცემთა ბაზის კონცეფციებისა და მონაცემთა მოდელირების მყარი ცოდნა; სუფთა, გამეორებადი და კარგად დოკუმენტირებული კოდის დაწერის უნარი.

• გამოცდილება ML ფრეიმვორკებთან (TensorFlow, PyTorch, Scikit-Learn და ა.შ.); დიდი მონაცემების ტექნოლოგიების (Hadoop/Hive, Spark, NoSQL და ა.შ.) ცოდნა არის პლუსი.

• მონაცემთა ვიზუალიზაციის ბიბლიოთეკებთან (როგორიცაა Matplotlib ან Plotly) და ხელსაწყოებთან (როგორიცაა Microsoft Power BI ან Tableau) მუშაობის გამოცდილება, მათ შორის დაფების და მონიტორინგის ანგარიშების შექმნა.

ცოდნა, უნარები და შესაძლებლობები

• მონაცემთა მოთხრობის ძლიერი უნარები და კომპლექსური ანალიტიკური დასკვნების მკაფიო და დამაჯერებლად კომუნიკაციის უნარი როგორც ტექნიკური, ასევე არატექნიკური აუდიტორიისთვის, მათ შორის უფროსი დაინტერესებული მხარეებისთვის.

• ძლიერი ანალიტიკური და პრობლემების გადაჭრის უნარები.

• ბიზნეს პროცესების ანალიზისა და გაგების უნარი და ბიზნეს კონტექსტის მოდელის რისკის გათვალისწინებაში გადატანის უნარი.

• კრიტიკული აზროვნება, პროფესიონალური სკეპტიციზმი და დეტალებისადმი ყურადღება.

• გუნდური მოთამაშე და თვითმყოფადი ადამიანი, რომელსაც აქვს ძლიერი პასუხისმგებლობის გრძნობა, შეუძლია ერთდროულად მართოს მრავალი ვალიდაცია და პრიორიტეტი და მიაწოდოს ისინი ვადებში.

• დამოუკიდებლად პრობლემების გადაჭრის უნარი და სწორი განსჯა იმისა, თუ როდის უნდა გადაეცეს პრობლემა.

• ქართულ და ინგლისურ ენებზე მკაფიოდ და ლაკონურად წერის უნარი.

დაინტერესებულმა კანდიდატებმა, გთხოვთ, შეავსოთ ინფორმაცია, დაურთოთ თქვენი რეზიუმე და წარადგინოთ განაცხადი "მიმართეთ პოზიციაზე ახლა" ღილაკზე დაჭერით. ბოლო ვადაა 2026 წლის 18 ნოემბერი.