American Express
American Express
American Express er en global virksomhed inden for finansielle tjenester, der opererer inden for bank, finans og B2B-betalinger. Virksomheden tilbyder kreditkort til privatpersoner, virksomheder og selskaber; betalings- og handelstjenester; opsparingskonti, indskudsbeviser og privatlån; samt belønningsprogrammer, rejseprogrammer, betalingsløsninger til virksomheder, finansiel uddannelse, sikkerhedstjenester og support til kortmedlemmer og handlende.

Senior data science-analytiker inden for svindelrisiko

Udvikl løsninger med maskinlæring og grafer, der opdager kompromitterede betalingskort og styrker beslutninger om svindelrisiko hos American Express. Analysér data om kompromitterede kort, og udvikl skalerbare beslutningsforløb.

Beskrivelse

  • Udvikl og forbedr løsninger med maskinlæring og AI, der identificerer mønstre for kortkompromittering, opdager mistænkelig adfærd og understøtter risikobeslutninger.
  • Brug grafneurale netværk, grafbaseret læring, transformere, deep learning og andre avancerede metoder inden for maskinlæring.
  • Analysér store, komplekse og sammenkoblede datasæt for at finde sammenhænge og risikosignaler og skabe handlingsrettet forretningsindsigt.
  • Byg og optimér analyse- og modelleringspipelines fra dataforberedelse og feature engineering til træning, validering og overvågning af ydeevne.
  • Brug Python, PySpark og cloudplatforme som Google Cloud til at skabe skalerbare analyseløsninger.
  • Evaluér nye metoder inden for AI og maskinlæring for at forbedre modellernes effektivitet, præcision og operationelle ydeevne.
  • Samarbejd med interessenter på tværs af funktioner om at omsætte forretningsmæssige udfordringer til datadrevne løsninger.
  • Præsentér analyseresultater, modelydeevne og strategiske anbefalinger for både tekniske og ikke-tekniske målgrupper.
  • Gennemgå sager grundigt for at forbedre modellernes ydeevne og beslutningstagningen.
  • Sørg for, at analyse- og modelleringsarbejdet understøtter forretningsmålene, og afstem interessenternes forventninger gennem hvert projekt.
  • Gennemgå forskningsartikler, og identificér anvendelsesmuligheder, der kan fremme modeludvikling og innovation.

Krav

  • Have en kandidat- eller postgraduategrad i statistik, matematik, økonomi, ingeniørvidenskab, ledelse, datalogi eller et beslægtet kvantitativt fagområde fra en anerkendt institution.
  • Have 2–3 års relevant erfaring inden for data science, avanceret analyse, maskinlæring eller prædiktiv modellering.
  • Have stærke programmeringsfærdigheder i Python og PySpark samt praktisk erfaring med databehandling, statistisk analyse og udvikling af maskinlæringsmodeller.
  • Forstå teknikker inden for maskinlæring og deep learning og have kendskab til grafneurale netværk, grafalgoritmer, transformerarkitekturer eller beslægtede avancerede AI-metoder.
  • Være fortrolig med deep learning-frameworks som PyTorch eller TensorFlow og cloudmiljøer som Google Cloud Platform.
  • Have erfaring med store datasæt, feature engineering, databehandling og modelevaluering.
  • Have stærke problemløsnings- og analytiske evner og kunne omsætte komplekse forretningskrav til effektive tekniske løsninger.
  • Kommunikere klart skriftligt og mundtligt og præsentere analyser og anbefalinger for forskellige interessenter.
  • Udøve god dømmekraft, samarbejde effektivt og levere analytisk arbejde af høj kvalitet i et dynamisk forretningsmiljø.
  • Arbejde på følgende tidspunkter: mandag–onsdag kl. 13.00–21.30, torsdag kl. 11.00–19.30 og fredag kl. 08.30–17.00.

Fordele

  • Konkurrencedygtig grundløn.
  • Bonusincitamenter.
  • Støtte til økonomisk trivsel og pension.
  • Sundheds-, tand-, syns-, livs- og invaliditetsforsikring afhængigt af lokation.
  • Fleksible hybrid-, kontor- eller virtuelle arbejdsordninger afhængigt af rollen og virksomhedens behov.
  • Betalt forældreorlov afhængigt af lokation.
  • Gratis adgang til globale wellnesscentre på arbejdspladser med sygeplejersker og læger afhængigt af lokation.
  • Gratis, fortrolig rådgivning gennem programmet Healthy Minds.
  • Muligheder for karriereudvikling og træning.

Relaterede job