Тест для прохождения стажировки в Тинькофф Банк На заочном интернет-этапе стажеры каждого из направлений решают разные задачи: аналитики — математические; разработчики — на алгоритмы и структуры данных; исследователи — обоих видов; тестировщики проходят тест. Новости и аналитика. Позвали на обучение в Тинькофф банк на Дмитровской в середине января 2016 года. Выстраивание процессов управление процентным и рыночным рисками на основе внутренних и внешних метрик - Методологическое сопровождение разработки моделей в части процентного.
IT’s Tinkoff Solution Cup: свыше 4000 участников, собственное IT-комьюнити и «метод утёнка»
Стажировка оплачивается, лучших пригласят на интервью в штат. Вступительные экзамены идут с 1 по 21 марта, выбрать направление и отправить заявку можно прямо сейчас. Екатеринбурге" 620109, г. Екатеринбург, ул.
Достучаться до дна Симулятор батискафа в Марианской впадине За полвека изучений Марианского желоба на дно спускались считанные единицы исследователей, в том числе знаменитый режиссер Джеймс Кэмерон. Специально для вас мы одолжили у него батискаф — и теперь вы можете сами отправиться на дно в хорошем смысле!
Далее до середины июня пройдут собеседования на разные проекты. Выбрать стажировку и записаться на вступительные экзамены можно на сайте fintech. Другие новости.
Тогда AUC — это вероятность того, что у случайного платежеспособного человека значение признака Х больше, чем у человека, который точно вышел бы в дефолт. Так, если AUC какого-то признака равен 1, то по этому признаку можно безошибочно определить, сможет человек выплатить кредит или нет.
Действующая модель строилась только на данных клиентов, которым был одобрен кредит. Поэтому ожидалось, что AUC увеличится, когда реализуется новая техника. В результате удалось разработать модель, которая приблизила аналитиков к полным данным.
Новая модель улучшает качество разделения заявок и точнее предсказывает вероятность дефолта. Задача Матвея была сложной, объемной и содержала массу нюансов. Сейчас он продолжает заниматься ею уже после завершения стажировки как штатный сотрудник.
Матвей отмечает, что в процессе стажировки ему очень пригодились базовые знания Python и SQL. А еще математический практикум, который преподают на 3-м курсе мехмата МГУ. Зимний набор в Тинькофф Старт Если пример Матвея вдохновил, приглашаем в команду «Тинькофф» — поработать над одним из проектов.
Тинькофф набирает разработчиков на оплачиваемую стажировку — Tinkoff Internship
Средняя начисленная зарплата профессии "стажер аналитик в tinkoff". А так как большинство аналитиков начинают со стажировок, можно попробовать себя в разных ролях. Мы поговорили с аналитиками и разработчиками Тинькофф, которые попали в команду после стажировки. С 1 декабря 2021 года начинается зимний набор в «Тинькофф Старт» — программу оплачиваемых стажировок от «Тинькофф».
Системный аналитик (Тинькофф Инвестиции)
Помощь в подготовке к экзаменам и поступлению. тинькофф машинное обучение стажировка — статьи и видео в Дзене. Можно проходить стажировку в штаб-квартире «Тинькофф» в Москве или в офисах Центров разработки банка, если позволит эпидемиологическая обстановка. Отбор на программу состоит из нескольких этапов.
Екатерина Карпова: «Я училась на стоматолога, а теперь работаю аналитиком в «Тинькофф»»
И чем лучше вы разбираетесь в бизнес-логике нашего мира, тем лучше вы будете выглядеть на фоне другого кандидата с такими же хард-скиллами, но без широкого бизнес-кругозора. К примеру, я перед каждым собеседованием уделяю хотя бы час на то, чтобы разобраться в том, в чем заключается бизнес-модель компании, на чем она зарабатывает и какие метрики в первую очередь смотрит. Однажды я собеседовался в Яндекс в команду разработки беспилотных автомобилей и роботов-доставщиков. Из-за того, что не изучил, а в чем вообще заключается бизнес-модель, все мои знания Python и SQL не особо мне помогли, когда потенциальный руководитель задавал вопросы о том, зачем им вообще нужна аналитика. Так что да, аналитика данных и харды это очень круто, будете шарить за каждую ML модель в мире, но без знаний о том, зачем это вообще нужно бизнесу, это может не очень помочь естественно если вы не идете именно на ML-инженера.
Ты часто отмечаешь, что важно постоянно обучаться новому и расширять сферы интересов. Как ты продолжаешь развиваться профессионально без университета? Какие методы обучения предпочитаешь? Реально, многие недооценивают онлайн-курсы, но у нас на рынке много очень крутых IT-курсов, продуктовых курсов, которые могут очень сильно помочь.
Ну в общем, онлайн-курсы гораздо быстрее реагируют на изменения в индустрии, чем это происходит в университете. Это хороший плюс. Чем ты чаще всего хвастаешься, когда рассказываешь про свою работу? Александров на кухне офиса.
А сейчас? Странно прозвучит, что новый предмет моего восхищения тоже связан с едой… Нас в Тинькофф кормят завтраками буквально и обедами! Божественный шведский стол и все бесплатно для сотрудников. Ах да, и еще тренажерный зал с сауной, чтобы потом вернуть прежнюю форму.
Все, лишь бы больше времени проводили в офисе хехехе. У тебя правда крутой опыт на разных позициях и в разных топовых компаниях.
Их уже ждет ноутбук, монитор, мышь и внутренний телефон. При желании можно запросить любое нужное оборудование.
Мы, например, просили дополнительный монитор, коврик для мыши, наушники и гарнитуру. Как только вы обосновались на новом месте, кураторы рассказывают о своих командах и проектах. Кстати нам сразу же дали «боевые» задачи. Каждый из соавторов статьи недавно завершил свое участие в программе Tinkoff Internship и расскажет о своем опыте.
Направление — аналитика Я занимался улучшением ценообразования страховых полисов. У ментора возникла идея, что, проанализировав рынок, мы сможем ввести в модель цены новый параметр, который позволит в конечном счете повысить прибыль. Для этого нужно было собрать имеющиеся данные, получить информацию о рынке, провести конечную аналитику и выяснить, полезен ли новый параметр. В начале самым сложным было освоиться с SQL и библиотекой для работы с данными Pandas , так как до этого я мало их использовал.
Целую неделю я писал скрипты для получения и складирования данных о рынке. Параллельно работал тест эластичности, где мы меняли наши цены и смотрели на конверсию — вероятность покупки полиса. Используя данные этого теста, мы смогли построить модель, предсказывающую конверсию по нашей цене и полям полиса, а новый параметр увеличил качество работы модели. ROC-кривая модели.
Чем больше площадь под графиком, тем лучше модель Получать данные о рынке при каждом обращении пользователя слишком долго, поэтому мы попытались предсказывать новый параметр — и поначалу нам удавалось хорошо это делать. Но с какого-то момента модель на обновленных данных стала обучаться хуже и ошибаться сильнее. Оказалось, что причина тому — резкая «просадка» курса рубля к основным валютам, поэтому по одному набору параметров она должна была выдавать различные ответы, чего модель, конечно же, делать не могла. Логичным решением стало добавление курса валюты в модель.
Уже казалось, что мы имеем хорошую конверсионную модель. Зафиксировав остальные параметры для конкретного полиса, мы можем изменять нашу цену и, используя предсказанную конверсию, получать точку максимальной ожидаемой прибыли. Но тут оказалось, что модель плохо отображает динамику изменения конверсии от изменения цены и, как следствие, наиболее выигрышной стратегией становится повышение цены настолько, насколько это возможно. Думаю, если провести более тонкие тесты изменения цены, мы сможем избавиться от этой проблемы и внедрить эту модель ценообразования.
В будущем мы хотим создать полноценный RL-агент , который сможет адаптироваться под изменяющиеся условия окружающей среды и максимизировать прибыль. Что касается библиотеки Pandas — есть замечательный пример использования Pandas в House Prices. Направление — Android-разработка Я занимался разработкой мобильной CRM-системы , позволяющей владельцам малого и среднего бизнеса более эффективно вести свой продукт. Мне повезло с командой: была полная свобода действий, а разработка полна экспериментами и необычными решениями.
С каждым днем я все глубже погружался в проект и уже через месяц после фиксов небольших багов и написания автотестов приступил к разработке фичей. Помимо этого мне давали участвовать почти во всех процессах развития продукта: я присутствовал на встречах с клиентами, слушал их пожелания и предложения.
Именно это и стало основной задачей моей стажировки. Вместе с куратором мы ставили эксперименты с разными современными техниками. В результате мы разработали модель, которая приближает нас к полным данным: улучшает качество разделения заявок и точнее предсказывает вероятность дефолта. Кроме того, она сглаживает негативные эффекты, возникающие при построении модели только на утилизированных клиентах.
Моя задача была сложной, объемной и содержала массу нюансов. В частности поэтому я продолжаю ей заниматься уже после завершения стажировки, как полноценный сотрудник. В процессе стажировки мне очень пригодились базовые знания Python и SQL. Кроме того, сильно облегчил жизнь математический практикум, преподаваемый на 3-м курсе моего факультета. Почти каждый день я общался со своим куратором и получал всю необходимую поддержку. Очень круто, что все вопросы, даже самые глупые, я мог задавать в любое время и получать полный и исчерпывающий ответ.
Все взаимодействие с куратором происходило легко, комфортно, продуктивно и с пользой. Баумана 4 курс на момент стажировки Я пришел на стажировку не как аналитик, а как методолог или разработчик бизнес-правил. Мои первые задачи были связаны с разработкой процессов, я с ними успешно и быстро справился, поэтому потом мне стали доверять более аналитические проекты. Я расскажу по порядку о трех задачах, которые у меня были на стажировке, каждая задача оказывалась интереснее и сложнее предыдущей. Для этого требовалось погрузиться в продукт, пообщаться с продуктовой командой, изучить технологическую составляющую. После того как мы поняли, какую инфу давать оператору, нужно было оформить ее в читабельный вид.
У нас есть инструмент, который генерирует контакты людей и страховые полисы для тестов. Но на момент начала моей стажировки он был очень неудобным: не было ручной настройки, все было захардкожено, и из-за этого все полисы были однотипные и одинаковые. Нужно было сделать возможным задание параметров полиса вручную, это позволит точечно генерировать сущности и тестировать любой кейс. Чтобы решить задачу, мне потребовалось: Собрать требования с заказчиков и выяснить, какое наполнение необходимо тестовому страховому полису. Это нужно было узнать, во-первых, у разработчиков тестовых процедур и тестировщиков, во-вторых, со стороны продукта и логики. Понять, можем ли с помощью действующего инструмента выполнять необходимые задачи.
Если нет, определить методы реализации и поставить задачу на разработку. В колл-центре Тинькофф Страхования есть маршрутизация: мы направляем клиента на группу операторов, которые проконсультируют его по части вопросов. Была задача сделать так, чтобы мы предугадывали, по какому вопросу звонит клиент. Мы сегментировали по роли в полисе, наличию убытков. Но всегда оставалась большая масса не сегментированных клиентов. Нужно было понять, что это за люди, и попытаться в них тоже выделить сегменты.
Понять, не задает ли эта группа однотипные вопросы, чтобы уменьшить серую зону. Я провел анализ, сегментировал клиентов и понял, что большая часть — неизвестные для страховой люди. Теперь предстояло выяснить, что делать с такими клиентами. В итоге поняли, что текущей информации недостаточно и надо собирать ее из других каналов. Решили обогатить методы информацией и на ее основе доучить Smart-маршрутизацию, чтобы выделить новые сегменты. После стажировки я прошел собеседование в команду страхования как технолог.
Сейчас занимаюсь маршрутизацией обращений в страховую. Придумываю, как можно превентивно определить, по каким вопросам звонит клиент. Мы занимаемся привлечением клиентов в раздел кэшбэков.
Какие бывают аналитики Один из самых популярных направлений на стажировке — аналитика. В Тинькофф работают четыре вида аналитиков, и все они занимаются разными вещами.
Мы выделяем продуктовых, системных, риск-аналитиков и технологов: — продуктовые аналитики ищут точки роста продукта, на основании полученных данных формируют продуктовые гипотезы и проверяют их; — системные аналитики занимаются проработкой архитектурных решений и продумывают, как именно должны быть реализованы требования на уровне систем; — риск-аналитики занимаются поиском положительных и отрицательных рисков, тщательно проводят анализ всех возможных решений по их устранению; — технологи организуют бизнес-процессы и отвечают за реализацию идеи. Помочь определиться с тем, какой ты аналитик, может наш мини-тест. Два наиболее распространенных — СМС и пуш-уведомления. СМС довольно дорогие, потому что за каждое сообщение нужно платить оператору. Если же обращаться к клиенту через пуши, компания сможет сэкономить несколько миллионов в месяц.
Моя задача состояла в том, чтобы понять, по каким типам уведомлений мы можем полностью перейти на пуши, и вместе с командой разработки организовать этот переход. На мне был поиск подходящих по критериям типов сообщений и подсчет их общего количества для каждого типа. После — я отбирал тех, которые стоит перевести в первую очередь. Для обращения к базам данных использовал SQL. Я проанализировал разные типы исходящих уведомлений за месяц.
В результате вместе с командой определили, какие типы сообщений мы готовы перевести в пуш-уведомления. После этого поставил задачи на разработку. Вместе с куратором мы наладили связь с ответственными за эти типы отделами и обсудили план переноса. Некоторым отделам, чтобы согласиться на нашу инициативу, нужен был более детальный анализ, эту задачу я взял на себя тоже. Кроме магистральной задачи было много более мелких задачек.
Например, доработать отчет или выяснить, какой тип пуш-уведомления куда ведет при нажатии. К концу моей стажировки по одному типу мы полностью перешли на пуш. По всем остальным выбранным типам начали работу в этом направлении, создали потребность у владельцев бизнес-линий для переноса своих типов на пуш, был отлажен процесс. Аналитика по акции «Приведи своих» Денис мехмат МГУ Мы предлагаем юридическим лицам порекомендовать сервисы своим знакомым и получить за это бонусы. Это называется «Приведи своих».
По проспекту акции нельзя было понять, сколько компания потратила на фактические выплаты, на звонки. Все проводимые тесты по акции хранились в разных местах и со временем терялись. Из-за этого было трудно и ресурсозатратно оценить успех проведения акции. Возникла необходимость сегментировать юридические лица, попытаться выделить тех, кто приводит друга чаще, а также собрать все данные о костах и результаты тестов в одну таблицу, добавить значения present value. Для начала я попытался сегментировать юридические лица.
Коммуницировал с другими аналитиками, и мы вместе рассуждали, имеет ли смысл делать сегментирование. Сегментирование не выявило особых аномалий, поэтому сделали вывод, что дальнейшая работа в данном направлении не особо продуктивна. Дальше проработали структуру таблицы для хранения данных. Протестировали обновление, добавили новые тесты. Теперь все проводимые тесты хранятся в одном месте, это позволило все практически онлайн отслеживать в виде красивых дашбордах.
По ходу дела поправили многие баги и неточности. На следующем шаге посчитал косты и present value, то есть число вложенных средств на заявку по акции. По ходу проекта решал еще много коммуникационных и технических задач. Например, многие аналитики имели неоптимальные процессы сбора данных по задаче. Все эти процессы доработали и подстроили под задачу.
Тинькофф аналитика стажировка экзамены
| Открыт донабор на осенние оплачиваемые стажировки «Тинькофф Старт | Оплачиваемая стажировка в Tinkoff. |
| Проекты стажеров-аналитиков в Тинькофф | VK | Стажировка оплачивается, оформление официальное, задачи — прикладные. Для участия в стажировке необходимо сдать экзамены с 1 по 21 декабря. |
Серьезная аналитика
А так как большинство аналитиков начинают со стажировок, можно попробовать себя в разных ролях. В нашем с партнерском материале — реальные задачи, которые дают решать кандидатам в аналитики. Это первый выпуск нового подкаста А что дальше? в котором вы познакомитесь с вание и узнаете про стажировки, чем занимаются молодые сотрудники и как "мэтчится" с работодателем. Можно проходить стажировку в штаб-квартире «Тинькофф» в Москве или в офисах Центров разработки банка, если позволит эпидемиологическая обстановка. Отбор на программу состоит из нескольких этапов. Первое впечатление.
Александр Сенаторов: Как стать успешным продуктовым аналитиком
| «Тинькофф» запускает оплачиваемую стажировку для студентов «Тинькофф.Старт» | стажировка, ежемесячная оплата, бесплатные обеды, бесплатный спортзал; сертификаты Цели конкурса Тинькофф открыл отбор на ле. |
| Тинькофф аналитика стажировка экзамены | ожиданиями от стажеров Подать заявку на Тинькофф Старт. |
Александр Сенаторов: Как стать успешным продуктовым аналитиком
Курсы, тренинги, вебинары и базы знаний. Поддержка менторов и наставников, помощь в поиске точек роста и карьерном развитии Заботу о здоровье. Оформим полис ДМС со стоматологией и страховку от несчастных случаев. Тебя будут окружать опытные коллеги, у которых есть чему научиться Технологии будущего Тинькофф задает тренды.
Тебя будут окружать опытные коллеги, у которых есть чему научиться Технологии будущего Тинькофф задает тренды.
Мы внедряем самые современные технологии и постоянно движемся вперед Большие возможности Обучение и карьерный рост — в нашей ДНК. Мы поддержим тебя, если ты захочешь расти Узбекистан.
Поэтому на таких заявках модель могла вести себя некорректно и непредсказуемо. Это своеобразная ошибка выжившего. Такого эффекта удалось бы избежать, если бы банк начал выдавать кредиты всем желающим, без учета риска дефолта на старте, а потом строить модель на полученной расширенной выборке.
Нужно было придумать другой способ и проверить его состоятельность. Именно это и стало основной задачей стажировки Матвея. Вместе с куратором они ставили эксперименты с использованием разных современных технологий. Что получилось Одна из метрик, которая позволяет оценить качество модели, называется AUC Area Under Curve — «площадь под кривой ошибок». Простой пример.
Допустим, есть признак Х, который принимает большие значения у людей с низкой вероятностью дефолта и маленькие — с высокой. Тогда AUC — это вероятность того, что у случайного платежеспособного человека значение признака Х больше, чем у человека, который точно вышел бы в дефолт. Так, если AUC какого-то признака равен 1, то по этому признаку можно безошибочно определить, сможет человек выплатить кредит или нет.
У нас есть инструмент, который генерирует контакты людей и страховые полисы для тестов. Но на момент начала моей стажировки он был очень неудобным: не было ручной настройки, все было захардкожено, и из-за этого все полисы были однотипные и одинаковые. Нужно было сделать возможным задание параметров полиса вручную, это позволит точечно генерировать сущности и тестировать любой кейс.
Чтобы решить задачу, мне потребовалось: Собрать требования с заказчиков и выяснить, какое наполнение необходимо тестовому страховому полису. Это нужно было узнать, во-первых, у разработчиков тестовых процедур и тестировщиков, во-вторых, со стороны продукта и логики. Понять, можем ли с помощью действующего инструмента выполнять необходимые задачи. Если нет, определить методы реализации и поставить задачу на разработку. В колл-центре Тинькофф Страхования есть маршрутизация: мы направляем клиента на группу операторов, которые проконсультируют его по части вопросов. Была задача сделать так, чтобы мы предугадывали, по какому вопросу звонит клиент.
Мы сегментировали по роли в полисе, наличию убытков. Но всегда оставалась большая масса не сегментированных клиентов. Нужно было понять, что это за люди, и попытаться в них тоже выделить сегменты. Понять, не задает ли эта группа однотипные вопросы, чтобы уменьшить серую зону. Я провел анализ, сегментировал клиентов и понял, что большая часть — неизвестные для страховой люди. Теперь предстояло выяснить, что делать с такими клиентами.
В итоге поняли, что текущей информации недостаточно и надо собирать ее из других каналов. Решили обогатить методы информацией и на ее основе доучить Smart-маршрутизацию, чтобы выделить новые сегменты. После стажировки я прошел собеседование в команду страхования как технолог. Сейчас занимаюсь маршрутизацией обращений в страховую. Придумываю, как можно превентивно определить, по каким вопросам звонит клиент. Мы занимаемся привлечением клиентов в раздел кэшбэков.
На старте мне предложили выбор из шести проектов. Я остановился на задаче предсказать, сколько клиент получит кэшбэка от магазинов мерчантов , мы это называем LTV lifetime value клиента. Задача нужна была для того, чтобы оптимизировать траты на привлечение клиентов в раздел кэшбэка. Предсказание нужно было сделать для клиентов, пришедших месяц назад, на как можно более долгий срок, но в первой итерации договорились, что прогноз сделаю на ближайшие 11 месяцев. Для того чтобы решить задачу, мне нужно было: Понять ключевую метрику, по которой будем смотреть качество. Остановились на MAE — этот средняя абсолютная ошибка.
В первом приближении взять в качестве предсказания среднее значение LTV на тренировочной выборке. Собрать и обработать данные о клиентах пол, траты, статистики. Первые несколько недель я собирал все возможные данные. Выбрать признаки для модели. Я обрезал данные, стандартизировал признаки, чтобы уменьшить размерность пространства признаков. Выбрал только 100 признаков, чтобы сократить время отработки модели.
Потом проверил без обрезания признаков и убедился, что модель не становится точнее, значит, все сделал верно. Подобрать модель для предсказания. Я попробовал линейную регрессию и модели классификации, чтобы отфильтровать нули, но эти методы не дали хороших результатов. В итоге лучше всего сработал CatBoost.