Прикладной Data Science
в финтехе
в финтехе
Пройдите обучение и получите шанс стать специалистом по Data Science в Альфа-Банке
Студенты получают уникальную возможность из первых уст узнать про широкий спектр DS-задач в финтехе. На конкретных кейсах разберём, как модели помогают делать банковские продукты лучше и как избежать сложностей на пути решения бизнес-задач.
Регистрация закрыта
Приём заявок в осеннем запуске завершён, старт следующей волны будет в 2024 году. Следите за информацией об открытии новых курсов на сайте Alfa-campus.ru или в telegram-канале @alfa_campus.
Регистрация ещё не открылась
Следите за информацией об открытии новых курсов на сайте Alfa-campus.ru и в telegram-канале @alfa_campus
Кого мы ждём
Аналитиков данных со знанием SQL и математики
Кандидатов с опытом ML или знанием языков программирования
Тех, кто хочет сменить профессию (IT-специалистов, которые хотят стать дата-сайентистами)
Студентов старших курсов и выпускников технических специальностей и смежных направлений (экономика и финансы)
Чему вы научитесь
Освоите самый современный стек технологий для разработки и внедрения ML-моделей
Научитесь решать прикладные DS-задачи в банковском бизнесе, ретейле, финтехе
Примените полученные знания на практике
Этапы отбора
1. Приём заявок до 29 сентября
Заполните анкету, чтобы наставники оценили ваш уровень знаний по направлению обучения.
Заполните анкету, чтобы наставники оценили ваш уровень знаний по направлению обучения.
2. Практическое задание
В период со 2 октября вы получаете практическое задание, которое нужно решить в течение недели.
В период со 2 октября вы получаете практическое задание, которое нужно решить в течение недели.
3. Интервью с экспертами Альфа-Банка
Если ваш уровень знаний подходит, отправим письмо с приглашением на интервью.
Если ваш уровень знаний подходит, отправим письмо с приглашением на интервью.
4. Результаты отбора до 25 октября
Если вы успешно проходите интервью, пришлём письмо о зачислении.
Если вы успешно проходите интервью, пришлём письмо о зачислении.
Формат
Видеолекции и воркшопы с преподавателями, на которых вместе разберём практические задачи и ответим на ваши вопросы.
Программа обучения
- Объекты, признаки, матрица объект — признак, таргет
- Типы задач в машинном обучении: классификация (бинарная, многоклассовая, мультитаргет), регрессия, ранжирование
- Примеры банковских задач для каждого из этих классов
- Общая постановка гипотезы и выбор тестовой статистики
- Примеры A/B-тестов в разных моделях
- Бизнес-постановка задачи
- Два похода: LAL и Response. Определение таргета
- Выбор метрик
- Киллер-фичи
- Инференс
- Определение объектов
- Определение таргетов
- Получение матрицы объект — признак + джоин таргетов
- Определение метрики для обучения
- Обучение моделей
- Анализ результатов
- Бизнес-постановка задачи
- Определение таргета
- Выбор метрик
- Типы моделей (S/T-learner, Uplift Tree)
- Пилот
- Построение разных моделей (S/T-learner, Uplift Tree)
- Бизнес-постановка задачи
- Определение таргета
- Выбор метрик
- Фичи
- Инференс
- Бизнес-постановка задачи
- Определение таргета
- Выбор метрик
- Фичи
- 2 модели (catboost на всех фичах кроме эластичной + logreg поверх этого)
- Инференс
- Сбор данных из открытых источников
- Визуализация данных
- Прогнозирование потенциала
- Написание скриптов
- Версионирование кода (Git, MLflow)
- MLflow
- Airflow
- Сохранение предсказаний в базу данных
- Мониторинг метрик
- Шедулинг (Airflow)
- Пример работы с MLflow
- Пример работы с Airflow
- Определение ценности клиента на всём сроке жизни
- Прогнозирование траекторий развития клиента
- Многокомпонентный подход к оценке CLTV
Преподаватели
Нина Комарова
В Альфа-Банке работает около двух лет в хабе Розничный бизнес. Сейчас в основном занимается задачами склонности, но есть и исключения в виде аплифт-моделей или рекомендаций.
В Альфа-Банке больше года. Занимает должность старшего специалиста по интеллектуальному анализу данных в хабе Юридических лиц. Сейчас работает над проектом CLTV (Customer Lifetime Value).
Мария Самоделкина
Валерий Ващенко
Более 10 лет опыта в Data Science. Занимался разнообразными проектами: от кредитного скоринга и прогнозирования зарплаты до автоматизации системы тестирования. В Альфе курирует оперативные вопросы и стандарты разработки моделей.
Максим Язев
В Альфа-Банке работает больше года в хабе Розничный бизнес. Сейчас разрабатывает систему категорийного кэшбэка.
Руководитель направления интеллектуального анализа данных
Старший специалист по интеллектуальному анализу данных
Старший специалист по интеллектуальному анализу данных
Руководитель направления интеллектуального анализа данных
Игорь Дойников
Более 15 лет опыта в Data Science. В Альфе отвечаю за разработку и внедрения моделей в процессы Розничного бизнеса.
Руководитель продвинутой аналитики Розничного бизнеса, CDS
Евгений Гаврилин
Работает в Альфа-Банке шесть лет, из которых более двух лет в хабе Общие корпоративные функции занимается задачами цифрового бизнеса.
Руководитель направления интеллектуального анализа данных
Дмитрий Светлов
Работает Альфа-Банке два года в команде хаба Розничный бизнес. Сейчас занимается моделями в кредитовании.
Руководитель направления интеллектуального анализа данных
Дмитрий Тырин
Работает в Альфа-Банке более двух лет в команде хаба Розничный бизнес. Курирует команду по разработке моделей по различным направлениям: кредитные карты, партнёрская витрина, инвестиции и CLTV (Customer Lifetime Value).
Руководитель направления интеллектуального анализа
