Один из текущих проектов Devim — разработка сервиса скоринга для микрофинансовой организации (МФО). Проект был выполнен нашей Data Science командой Андреем Давыденко и Дмитрием Гореловым datasanta. Мы рассказываем о том, какие решались задачи, какие факторы принимались во внимание, а также о полученных результатах. В основе предложенного на данный момент решения — подход, при котором автоматическая обработка заявок выполняется с учётом вероятности отказа/одобрения похожих существующих заявок андеррайтерами (экспертами). Такой подход позволил выполнить проект в сжатые сроки и принять во внимание некоторые особенности бизнес-целей. В числе интересных результатов: как оказалось, решения андеррайтеров при выдаче займов могут быть с высокой точностью спрогнозированы статистической моделью (AUC>0.93).

Надеемся, что публикация будет интересна не только специалистам по скорингу, но и всем, кто интересуется машинным обучением и его применением на практике.

Материал подготовлен Data Science командой Devim

Привет, Хабр! Пока наши разработчики трудятся над созданием хардкорных статей, прекрасная QA-инженер Ксюша Севридова sevridova_ksenia написала статью о том, как техническому специалисту готовиться и проводить первые собеседования, оценивать кандидатов и принимать решение о найме.

Далее пойдет текст от лица Ксюши.


В этой статье я расскажу о том, как в компании Devim проводится собеседование на должность QA-инженера, а также поделюсь некоторыми общими мыслями о данном процессе в целом. Для лучшего понимания постараюсь привести достаточно примеров. Речь пойдет о поиске именно ручного тестировщика.

Данная статья не претендует на какую-либо научную точность и истину в последней инстанции. Я делюсь своим опытом проведения собеседований и изучении некоторого количества источников по этой теме. Ну что ж, поехали!