FIS
FIS
Ang FIS ay bumubuo ng teknolohiyang pinansyal para sa mga bangko, negosyo, at pamahalaan sa buong mundo. Saklaw ng portfolio ng mga platform nito ang digital banking, pagpapautang, mga pagbabayad, awtomatikong pananalapi, pamamahala ng yaman, at pagsunod sa mga regulasyon, na tumutulong sa mga organisasyon na ligtas na pamahalaan ang pera sa pag-iimbak, paglilipat, pamumuhunan, at mga kaugnay na operasyon. Pinagsasama ng kumpanya ang kadalubhasaan sa fintech at mga tool na nilayong pahusayin ang kahusayan, kontrolin ang mga gastos, at suportahan ang mas magandang karanasan ng customer.

Junior na Data Scientist, Mga Serbisyong Pinansyal

Bumuo at magpatupad ng mga predictive model at solusyon sa AI para sa mga produktong serbisyong pinansyal ng FIS. Gamitin ang machine learning sa panganib, panloloko, marketing, pamamahala ng portfolio, at mga pagbabayad.

Paglalarawan

  • Bumuo ng mga exploratory analysis, predictive model, at solusyon sa AI para sa mga hamon sa serbisyong pinansyal sa panganib, panloloko, marketing, at pamamahala ng portfolio.
  • Isalin ang mga natuklasan mula sa machine learning tungo sa praktikal na rekomendasyon sa produkto para sa mga panloob at panlabas na tagapakinig.
  • Mag-ambag sa pagdidisenyo, pagbuo, pagpapatibay, paglalagay sa operasyon, at pagsubaybay sa advanced analytics, machine learning, at mga solusyon sa AI.
  • Ihanda at suriin ang data para sa pagmomodelo gamit ang angkop na mga istruktura ng data at algorithm.
  • Pagsamahin ang data mula sa mga dati nang mapagkukunan at mga bagong mapagkukunan upang bumuo ng mga solusyong analitikal mula simula hanggang dulo.
  • Gamitin ang machine learning, predictive analytics, NLP, generative AI, at agentic AI upang lutasin ang masalimuot na problema sa pagbabayad at serbisyong pinansyal.
  • Magplano at magsagawa ng mga eksperimento, pagsusuri ng hipotesis, at estadistikal na pagsusuri.
  • Itaguyod ang mahusay na mga gawain sa data science, machine learning, feature engineering, pag-eeksperimento, pamamahala ng modelo, at MLOps.
  • Subaybayan ang mga pag-unlad sa industriya at ibahagi sa pangkat ang mga kaugnay na inobasyon.

Mga Kinakailangan

  • Master's degree o mas mataas sa matematika, computer science, engineering, operations research, statistics, o kaugnay na larangang kwantitatibo.
  • 1–3 taong karanasan sa pagbuo at pagpapatupad ng mga end-to-end na solusyon sa machine learning, predictive analytics, at data science sa mga pagbabayad, pagbabangko, o serbisyong pinansyal.
  • Mahusay na kasanayan sa Python at SQL.
  • Dagdag na kwalipikasyon ang karanasan sa mga tool para sa big data gaya ng Spark o PySpark.
  • Praktikal na karanasan sa pag-aayos ng data, feature engineering, at pagbuo ng modelo gamit ang mga library gaya ng Pandas, NumPy, Scikit-learn, Matplotlib, Seaborn, o Plotly.
  • Karanasan sa pagbuo at pagpapatupad ng mga modelo ng machine learning sa production o halos production na kapaligiran.
  • Mahusay gumamit ng mga tool sa visualization ng data at business intelligence gaya ng Tableau o katumbas nito.
  • Mahusay na kasanayan sa pagsusuri at paglutas ng problema, kabilang ang kakayahang gawing masusing analitikal na pamamaraan ang malalabong hamon sa negosyo.
  • Kakayahang makipagtulungan sa mga pangkat ng produkto, engineering, at negosyo.
  • Karanasan sa pagbabayad, pagbabangko, o serbisyong pinansyal.
  • Praktikal na karanasan sa Databricks, kabilang ang MLflow, Model Registry, mga collaborative notebook, at mga workflow ng MLOps.
  • Karanasan sa pagpapatupad ng mga cloud-native na solusyon sa machine learning, lalo na sa AWS.
  • Pamilyar sa mga pag-unlad sa mga transformer model at agentic AI.
  • Kaalaman sa pamamahala ng modelo, pagsunod sa mga regulasyon, at mga gawain ng MLOps sa mga serbisyong pinansyal na saklaw ng regulasyon.
  • Para sa mga posisyong nakabase sa US, kailangang sumailalim sa drug test ang mga kandidatong makatatanggap ng kondisyunal na alok.

Mga Benepisyo

  • Pagkakataong mag-ambag sa kinabukasan ng teknolohiyang pinansyal.
  • Patuloy na pagkatuto at propesyonal na pag-unlad.
  • Lugar ng trabahong nagtutulungan ang mga kasamahan.
  • Mga pagkakataong makatulong sa komunidad.
  • Mapagkumpitensyang sahod at mga benepisyo.

Mga Kaugnay na Trabaho