
Jalasoft یک شرکت توسعه نرمافزار برونسپاری نزدیک است که از طریق تیمهای مستقر در آمریکای جنوبی و حضور گستردهتر در ۷۰ شهر از ۱۳ کشور به مشتریان خدمات ارائه میدهد. بیش از ۱٬۰۰۰ مهندس این شرکت در زمینههای توسعه نرمافزار، تضمین کیفیت و DevOps فعالیت میکنند و از همکاریهای مبتنی بر تأمین نیروی متخصص و تیمهای اختصاصی پشتیبانی میکنند. Jalasoft همچنین بر ارائه امن فناوری تمرکز دارد و با برخورداری از گواهی ISO 27001 و مشارکتهای مرتبط با Palo Alto، NVIDIA و Cisco در مدیریت شبکه و مراکز داده فعالیت میکند. این شرکت از طریق Jala University برنامههای آموزشی فناوری را توسعه میدهد تا به پرورش و جذب استعدادهای فنی جدید کمک کند. برای متخصصانی که به دنبال فرصتهایی در حوزههای نرمافزار، QA، DevOps، SaaS یا آموزش فناوری هستند، Jalasoft تصویری جامع از یک شرکت فعال در خدمات مهندسی، توسعه استعدادها و تحول دیجیتال ارائه میدهد.
توسعهدهنده محتوای آموزشی، کشف تقلب هوش مصنوعی و سامانههای مالی
برای دانشگاه جالا، برنامه درسی کشف تقلب در فینتک را توسعه دهید؛ این برنامه شامل ماژولهای آموزشی، آزمایشگاههای عملی، پیادهسازی مرجع، ابزارهای ارزیابی و مستندات مدرس خواهد بود.
توضیحات
- محتوای ماژولهای تخصص فینتک و مهندسی دانشگاه جالا را ایجاد کنید
- تمرینهای آزمایشگاهی عملی توسعه دهید
- یک پیادهسازی مرجع تولید کنید
- یک چارچوب ارزیابی بسازید
- راهنمای مدرس بنویسید
شرایط لازم
- تجربه فعالیت در تیم تقلب یا ریسک یک شرکت فینتک بزرگمقیاس مانند Nubank، Mercado Pago، Rappi یا شرکتی مشابه
- نمونههای عمومی از نویسندگی فنی، مانند مستندات، مطالب کارگاه، فصل کتاب یا پروژه متنباز متمرکز بر مستندسازی، که با استاندارد انتشار نوشته شده باشند
- تجربه قوی در بازتولیدپذیری، شامل وابستگیهای قفلشده، کانتینریسازی، اجراهای دارای seed و پارامترهای رمزگشایی مستندسازیشده
- تسلط حرفهای به زبان انگلیسی نوشتاری
- حداقل ۵ سال تجربه مهندسی نرمافزار
- حداقل ۳ سال تجربه در فینتک، پرداخت یا خدمات مالی
- تجربه برنامهنویسی با Go
- تجربه کار با TypeScript و Node.js
- تجربه در خط لولههای بلادرنگ کشف تقلب، شامل استریمینگ، سامانههای مبتنی بر قواعد، یادگیری ماشین و توافقنامههای سطح خدمت برای تأخیر
- تجربه یکپارچهسازی ارائهدهندگان خدمات تقلب مانند Cybersource، ClearSale، Fingerprint یا Seon
- درک یادگیری ماشین از دیدگاه مهندسی که مدلها را یکپارچه میکند، شامل مهندسی ویژگی
- تجربه کار با feature storeها
- آشنایی با فرایندهای KYC/AML، فهرستهای تحریم و PEP، و گزارشدهی به COAF یا UIF
- تجربه در فرایندهای تطبیق خزانهداری و اثبات ذخایر
مزایا
- کار از راه دور در دفتر خانگی
- فرصت پیوستن به سازمانی پویا و در حال رشد با دسترسی بینالمللی