
금융 서비스 주니어 데이터 과학자
FIS 금융 서비스 제품을 위한 예측 모델과 AI 솔루션을 구축하고 배포합니다. 머신러닝을 위험, 사기, 마케팅, 포트폴리오 관리 및 결제 분야에 적용합니다.
설명
- 위험, 사기, 마케팅, 포트폴리오 관리 등 금융 서비스 과제를 해결하기 위해 탐색적 분석을 수행하고 예측 모델과 AI 솔루션을 개발합니다.
- 머신러닝 분석 결과를 내부 및 외부 관계자를 위한 실용적인 제품 제안으로 연결합니다.
- 고급 분석, 머신러닝 및 AI 솔루션의 설계, 개발, 검증, 배포와 모니터링에 참여합니다.
- 적절한 데이터 구조와 알고리즘을 사용해 모델링 데이터를 준비하고 분석합니다.
- 기존 및 신규 데이터 소스를 결합해 엔드투엔드 분석 솔루션을 구축합니다.
- 머신러닝, 예측 분석, 자연어 처리, 생성형 AI 및 에이전트형 AI를 활용해 복잡한 결제 및 금융 서비스 문제를 해결합니다.
- 실험, 가설 검정 및 통계 분석을 계획하고 수행합니다.
- 데이터 과학, 머신러닝, 특성 엔지니어링, 실험, 모델 거버넌스 및 MLOps의 건전한 관행을 확산합니다.
- 업계 동향을 파악하고 관련 혁신을 팀과 공유합니다.
지원 자격
- 수학, 컴퓨터 과학, 공학, 운영 연구, 통계학 또는 관련 정량 분야의 석사 학위 이상.
- 결제, 은행 또는 금융 서비스 분야에서 엔드투엔드 머신러닝, 예측 분석 및 데이터 과학 솔루션을 구축하고 배포한 경력 1~3년.
- Python 및 SQL에 대한 탄탄한 역량.
- Spark 또는 PySpark와 같은 빅데이터 도구 경험 우대.
- Pandas, NumPy, Scikit-learn, Matplotlib, Seaborn 또는 Plotly 등의 라이브러리를 활용한 데이터 정제, 특성 엔지니어링 및 모델 개발 실무 경험.
- 운영 환경 또는 운영에 준하는 환경에서 머신러닝 모델을 구축하고 배포한 경험.
- Tableau 또는 이에 준하는 데이터 시각화 및 비즈니스 인텔리전스 도구 활용 능력.
- 모호한 비즈니스 과제를 엄밀한 분석 접근법으로 전환할 수 있는 뛰어난 분석 및 문제 해결 능력.
- 제품, 엔지니어링 및 비즈니스 팀과 협업할 수 있는 역량.
- 결제, 은행 또는 금융 서비스 분야 경험.
- MLflow, Model Registry, 협업 노트북 및 MLOps 워크플로를 포함한 Databricks 실무 경험.
- 특히 AWS에서 클라우드 네이티브 머신러닝 솔루션을 배포한 경험.
- Transformer 모델과 에이전트형 AI의 발전에 대한 이해.
- 규제 대상 금융 서비스의 모델 거버넌스, 규제 준수 및 MLOps 관행에 대한 지식.
- 미국 근무 포지션의 경우 조건부 채용 제안을 받은 후보자는 약물 검사를 받아야 합니다.
복리후생
- 금융 기술의 미래에 기여할 기회.
- 지속적인 학습 및 전문성 개발.
- 협업적인 근무 환경.
- 지역사회를 지원할 기회.
- 경쟁력 있는 급여와 복리후생.
관련 채용공고

