Scientifique en apprentissage automatique appliqué II (Commerce de détail) 4031
Description
Ce rôle est destiné à un scientifique en apprentissage automatique appliqué II au sein de l'équipe de développement de modèles pour le commerce de détail (RMD). La personne sera responsable du développement de modèles de fiches d'évaluation pour le commerce de détail utilisés dans les stratégies d'adjudication, de gestion de compte ou de recouvrement de la TD. Les responsabilités clés incluent la collaboration avec les partenaires commerciaux, l'extraction et l'analyse de données, l'ingénierie de caractéristiques, l'application d'algorithmes d'apprentissage automatique comme XGBoost et les réseaux neuronaux, l'analyse de la performance des modèles, la documentation des étapes de modélisation, le soutien à la validation et à la conformité, la collaboration à l'implémentation et au suivi des modèles, et l'exploration de nouvelles données et méthodologies pour les fiches d'évaluation de crédit.
Ce que nous recherchons
Discuter des besoins commerciaux avec les partenaires des secteurs d'activité et définir la cible/le cas d'utilisation du modèle avant le développement.,Extraire des données des entrepôts de données et analyser la qualité des caractéristiques existantes à partir de grands ensembles de données.,Appliquer des préparations de données appropriées telles que l'imputation des valeurs manquantes ou le traitement des valeurs aberrantes.,S'assurer que les informations commerciales sont intégrées à l'étape de manipulation des données.,Maintenir une qualité de code exceptionnelle en traçant toutes les opérations de données.,Concevoir des caractéristiques supplémentaires si nécessaire, telles que l'agrégation ou les tendances des données transactionnelles.,Utiliser des algorithmes d'apprentissage automatique (ML) (par exemple, XGBoost, Réseau neuronal) pour ajuster les modèles de fiches d'évaluation.,Analyser les résultats de validation croisée pour améliorer l'ajustement des hyperparamètres et la performance du modèle.,Analyser la contribution des caractéristiques des modèles ML avec des outils d'attribution (par exemple, SHAP, LIME).,Documenter les étapes de modélisation, les décisions et les résultats des tests de performance/biais/équité.,Soutenir les demandes d'analyse supplémentaires des partenaires de validation ou de conformité.,Collaborer avec les équipes d'implémentation et de surveillance des modèles.,Explorer les données ou méthodologies de nouvelle génération pour les fiches d'évaluation de crédit au détail (par exemple, données bancaires ouvertes, cadre de modélisation Gen AI).,Contribuer à l'amélioration du pipeline de code lié aux préparations de données et aux routines de développement de modèles.
Candidat idéal
Diplôme d'études supérieures dans les domaines des sciences, de la technologie, de l'ingénierie ou des mathématiques (STIM) (par exemple, mathématiques, physique, ingénierie, informatique).,Plus de 3 ans d'expérience pertinente en modélisation quantitative du risque de crédit et en analyse.
Éducation minimale
Diplôme d'études supérieures (STIM)
Compétences techniques
Compétences interpersonnelles
Heures de travail
37,5 heures/semaine
Avantages
Engagements spéciaux
Sous réserve de la réglementation provinciale à des fins d'emploi.
À propos de l'entreprise
The Toronto-Dominion Bank
La Banque Toronto-Dominion et ses filiales sont collectivement connues sous le nom de Groupe Banque TD, l'une des plus grandes banques en Amérique du Nord. La TD offre une vaste gamme de produits et de services bancaires personnels, commerciaux et d'investissement à plus de 27 millions de clients dans le monde. Basée à Toronto, au Canada, la banque exerce ses activités par l'entremise de secteurs clés, notamment les services de détail au Canada et aux États-Unis, ainsi que les services bancaires de gros.
Nous respectons votre vie privée
BerryMap utilise des cookies pour fournir des fonctionnalités essentielles, analyser l'utilisation et améliorer votre expérience. Vous pouvez personnaliser vos préférences ci-dessous.