28.11.2017
Источник:
Futurebanking
Многие организации возлагают большие надежды на внедрение в бизнес-процессы инструментов машинного обучения. Однако для того чтобы искусственный интеллект смог не только заменить клерков, но и выполнять сложные задачи эффективнее человека, необходимы первоклассные специалисты. Сколько они стоят и какие требования к ним предъявляют банки, выясняет FutureBanking.
В каких сферах искусственные «мозги» помогают естественному интеллекту?
Как показал опрос Futurebanking.ru, самым популярным направлением внедрения искусственного интеллекта является риск-менеджмент. Например, ВТБ сейчас разрабатывает проект по машинному обучению для решения задач по управлению рисками. «После проверки работоспособности данных решений на пилотном проекте мы планируем запускать их в промышленную эксплуатацию на клиентской аналитике. Проект должен оказать положительный эффект на PNL банка за счет более точных прогнозов дефолтов по клиентам и спроса на продукты банка», – заметил Василий Гаршин, директор по управления проектами Big Data&Data science банка ВТБ.
Преимущественно банки разрабатывают и внедряют инструменты для систем машинного обучения своими силами, однако большие проекты реализуются с участием вендоров. Крупные финансовые учреждения сформировали команды сильных математиков и специалистов по большим данным. Некоторые кредитные организации отмечали, что в перспективе будут рассматривать варианты привлечения внешних исполнителей для повышения качества разработанных моделей.
Какие специалисты интересны банкам?
Согласно данным сервиса по поиску работы HeadHunter (НН), в 2017 году финансовыми компаниями (в том числе и страховыми, микрофинансовыми и т.п.) была размещена 441 вакансия для специалистов по машинному обучению. Средняя заработная плата составляла около 109 000 руб.
Сейчас на HH ищут специалистов по искусственному интеллекту Сбербанк, Тинькофф, Промсвязьбанк, РосЕвроБанк, Райффайзенбанк и др. В большинстве случаев банки предъявляют следующие требования к соискателям: опыт моделирования на больших данных и в разработке нейросетей, знание языков программирования (Phyton или R) и статистических пакетов (SAS и др.). В обязанности такого специалиста будут входить разработка прогностических моделей на основе нейронных сетей и машинного обучения, а также систем автоматизации процессов с использованием искусственного интеллекта.
Стоит заметить, что ни в одной из проанализированных вакансий не был указан размер вознаграждения. Как правило, этот вопрос обсуждается индивидуально и зависит от уровня компетенций и опыта соискателя.
Сложно ли найти крутого специалиста?
Банки единогласно считают, что лучшими специалистами в сфере машинного обучения являются выпускники МФТИ, МГУ (мехмат, ВМиК, физфак) и ВШЭ (матфак).
«Готовых специалистов на рынке найти сложно, – отмечает Вадим Ковалев, замруководителя блока рисков Бинбанка, – поскольку помимо традиционных знаний в статистике и программировании необходимы компетенции в предметной области – финансах, банковском деле. Мы готовим специалистов сами, проводим внутренние семинары и тренинги, используем различные online-возможности в сфере образования».
Руководитель департамента электронных продаж и сервисов банка «Уралсиб» Светлана Шмыкова подчеркнула большое значение саморазвития специалистов. «Рынок специалистов в этой области активно растет, теперь это не только выпускники сильных технических вузов, где уже созданы программы по машинному обучению и искусственному интеллекту. Все больше кандидатов занимаются самостоятельно через электронные курсы (Coursera, Udemy) и участвуют в соревнованиях (Kaggle). Опыт участия в подобного рода мероприятиях – ценный практический опыт, а вместе с системными знаниями по математике и программированию дают идеальный профиль кандидата», – замечает эксперт.
Банковские сотрудники с большим опытом и сильными компетенциями по работе с машинным обучением весьма востребованы. Ввиду того, что специалистов высокого уровня на рынке не так много, распространен хантинг. Поэтому финкомпаниям для удержания первоклассных специалистов приходится разрабатывать мотивационную систему, основанную не только на достойной оплате труда, но и на нематериальных стимулах, в том числе и в сфере профессионального роста.
В каких сферах искусственные «мозги» помогают естественному интеллекту?
Как показал опрос Futurebanking.ru, самым популярным направлением внедрения искусственного интеллекта является риск-менеджмент. Например, ВТБ сейчас разрабатывает проект по машинному обучению для решения задач по управлению рисками. «После проверки работоспособности данных решений на пилотном проекте мы планируем запускать их в промышленную эксплуатацию на клиентской аналитике. Проект должен оказать положительный эффект на PNL банка за счет более точных прогнозов дефолтов по клиентам и спроса на продукты банка», – заметил Василий Гаршин, директор по управления проектами Big Data&Data science банка ВТБ.
Преимущественно банки разрабатывают и внедряют инструменты для систем машинного обучения своими силами, однако большие проекты реализуются с участием вендоров. Крупные финансовые учреждения сформировали команды сильных математиков и специалистов по большим данным. Некоторые кредитные организации отмечали, что в перспективе будут рассматривать варианты привлечения внешних исполнителей для повышения качества разработанных моделей.
Какие специалисты интересны банкам?
Согласно данным сервиса по поиску работы Head Hunter (НН), в 2017 году финансовыми компаниями (в том числе и страховыми, микрофинансовыми и т.п.) была размещена 441 вакансия для специалистов по машинному обучению. Средняя заработная плата составляла около 109 000 руб.
Сейчас на HH ищут специалистов по искусственному интеллекту Сбербанк, Тинькофф, Промсвязьбанк, РосЕвроБанк, Райффайзенбанк и др. В большинстве случаев банки предъявляют следующие требования к соискателям: опыт моделирования на больших данных и в разработке нейросетей, знание языков программирования (Phyton или R) и статистических пакетов (SAS и др.). В обязанности такого специалиста будут входить разработка прогностических моделей на основе нейронных сетей и машинного обучения, а также систем автоматизации процессов с использованием искусственного интеллекта.
Стоит заметить, что ни в одной из проанализированных вакансий не был указан размер вознаграждения. Как правило, этот вопрос обсуждается индивидуально и зависит от уровня компетенций и опыта соискателя.
Сложно ли найти крутого специалиста?
Банки единогласно считают, что лучшими специалистами в сфере машинного обучения являются выпускники МФТИ, МГУ (мехмат, ВМиК, физфак) и ВШЭ (матфак).
«Готовых специалистов на рынке найти сложно, – отмечает Вадим Ковалев (Бинбанк), – поскольку помимо традиционных знаний в статистике и программировании необходимы компетенции в предметной области – финансах, банковском деле. Мы готовим специалистов сами, проводим внутренние семинары и тренинги, используем различные online-возможности в сфере образования».
Светлана Шмыкова (банк Уралсиб) подчеркнула большое значение саморазвития специалистов. «Рынок специалистов в этой области активно растет, теперь это не только выпускники сильных технических вузов, где уже созданы программы по машинному обучению и искусственному интеллекту. Все больше кандидатов занимаются самостоятельно через электронные курсы (Coursera, Udemy) и участвуют в соревнованиях (Kaggle). Опыт участия в подобного рода мероприятиях – ценный практический опыт, а вместе с системными знаниями по математике и программированию дают идеальный профиль кандидата», – замечает эксперт.
Банковские сотрудники с большим опытом и сильными компетенциями по работе с машинным обучением весьма востребованы. Ввиду того, что специалистов высокого уровня на рынке не так много, распространен хантинг. Поэтому для удержания первоклассных специалистов приходится разрабатывать мотивационную систему, основанную не только на достойной оплате труда, но и на нематериальных стимулах, в том числе и в сфере профессионального роста.
