E
Nakikipagtulungan ang Experian sa mga kinikilalang brand sa larangan ng digital na karanasan, teknolohiya, at pagbabago sa negosyo. Pinagsasama ng kanilang gawain ang kaalaman tungkol sa mga customer, estratehiya sa produkto, maliksi at makabagong solusyon sa teknolohiya, AI, cloud architecture, at pamamahala ng proyekto upang matulungan ang mga organisasyon na mapahusay ang karanasan ng customer at pasimplehin ang kanilang mga operasyon. Maaaring maging kaakit-akit ang malawak na pagtutuon ng kumpanya sa teknolohiya at pagkonsulta para sa mga propesyonal na interesado sa mga tungkuling may kaugnayan sa digital transformation, marketing, logistics, at iba pang kaugnay na serbisyo sa negosyo.
Ekspertong Data Scientist, Pagtukoy sa Panganib ng Panloloko sa Experian (Remote, US)
Bumuo at magsuri ng mga machine learning model at predictive feature para matukoy ang panloloko at panganib sa pagkakakilanlan sa Experian. Gumagamit ang tungkulin ng Python at PySpark at sumusuporta sa deployment sa mga batch, retrospective, at real-time na sistema ng pagpapasya.
Estados Unidos$103,669 – $179,693 / taon
RemoteFull-timeGitnang antasSeniorKinakailangang Wika: InglesSiyentipiko ng datosPaglalarawan
- Suriin ang malalaking dataset at bumuo ng mga label ng panloloko sa pamamagitan ng exploratory analysis
- Tukuyin ang mga pattern ng panloloko, teknik ng pag-atake, at mga palatandaan sa asal
- Gawing mga hypothesis, plano ng pagsusuri, espesipikasyon ng modelo, at nasusukat na pamantayan ng tagumpay ang mga hindi malinaw na hamon sa panloloko at panganib
- Bumuo ng mga machine learning model para matukoy ang panloloko sa pagbubukas ng account, pagkuha ng kontrol sa account, at panganib sa pagkakakilanlan
- Suriin ang mga modelo gamit ang ROC/AUC, KS, Gini, precision at recall, pagtukoy sa panloloko, false positive, abala sa customer, at napigilang pagkalugi
- Lumikha at magpatunay ng mga predictive feature mula sa datos ng pagkakakilanlan, transaksyon, credit history, device, asal, panahon, bilis, network, at third party
- Sumulat ng episyente at mahusay na nasubok na Python at PySpark code
- Makipagtulungan sa mga team para mag-deploy ng mga modelo at feature sa batch, retrospective, o real-time na mga sistema ng pagpapasya
- Subaybayan ang kalidad ng feature, performance ng modelo, pagbabago sa populasyon, at pagbabago sa mga pattern ng panloloko
- Maglahad ng pagsusuri sa asal ng modelo, mga trade-off, panganib, at rekomendasyon
- Ipatupad ang mga pamantayan sa privacy ng datos, dokumentasyon, pagpapaliwanag, validation, at pamamahala
- Mag-ulat sa Senior Manager of Fraud Analytics
- Makipagtulungan sa mga senior data scientist at engineer mula sa pagtukoy ng problema hanggang sa feature engineering, eksperimento, at deployment
Mga Kinakailangan
- Hindi bababa sa tatlong taong karanasan sa data science, machine learning, statistical modeling, o kaugnay na quantitative field
- Bachelor’s degree o mas mataas na degree sa computer science, statistics, engineering, data science, o iba pang quantitative na disiplina
- Praktikal na karanasan sa pagbuo ng mga modelo para sa pagtukoy ng panloloko, panganib sa pagkakakilanlan, panganib sa kredito, krimeng pinansyal, o iba pang adversarial na panganib
- Karanasan sa paglikha ng mga kapaki-pakinabang na feature para sa pagtukoy ng panloloko
- Mahusay sa Python at PySpark
- Karanasan sa pagsulat ng modular at nasubok na code para sa malalaking dataset at distributed o cloud data system
- Karanasan sa pandas, NumPy, scikit-learn, XGBoost, TensorFlow, o mga katulad na tool
- Kaalaman sa supervised learning, pagsusuri ng modelo, pagpili ng feature, statistical inference, eksperimento, at model calibration
- Karanasan sa paghawak ng hindi balanseng mga klase, naantala o kulang na mga label, nagbabagong pattern ng pag-atake, at model drift
- Karanasan sa pag-deploy ng mga modelo sa production lampas sa yugto ng eksperimento
- Matugunan ang naaangkop na mga kinakailangan sa awtorisasyon sa trabaho at pagtatrabaho sa Estados Unidos
Mga Benepisyo
- Mapagkumpitensyang pakete ng kompensasyon at bonus plan
- Saklaw sa medical, dental, at vision, kasama ang 401(k) na may katumbas na ambag ng employer
- Mga flexible na opsyon sa trabaho, kabilang ang remote, hybrid, o trabaho sa opisina
- Flexible na pahinga, kabilang ang oras para sa volunteer work, bakasyon, sick leave, at 12 bayad na holiday
- Komprehensibong pakete ng benepisyo
- Pagkakataon para sa variable pay
- Kulturang inklusibo at may layunin
- Suporta sa mga akomodasyon para sa kapansanan o espesyal na pangangailangan