시니어 데이터 사이언티스트, 자금세탁 방지 및 제재 스크리닝
머신러닝과 퍼지 매칭을 활용해 Visa의 자금세탁 방지 및 제재 스크리닝 모델을 개발하고 개선합니다. 글로벌 결제 컴플라이언스의 탐지 품질을 높이고 오탐을 줄입니다.
설명
- 대규모 데이터 세트를 분석하고 비즈니스 질문을 실행 가능한 결과로 전환한다.
- 이름, 주소, 식별자를 포함한 정형 및 반정형 데이터를 살펴본다.
- 제재 스크리닝을 위한 데이터 품질, 완전성 및 적합성을 평가한다.
- 매칭과 점수 산정에 사용할 특성을 정의하고 테스트한다.
- 데이터 엔지니어링 팀과 협력해 데이터를 확보하고 변환한다.
- 규칙 기반 및 퍼지 매칭 제재 스크리닝 모델을 개발하고 개선한다.
- 탐지 정확도를 높이고 오탐을 줄이도록 임계값과 점수 산정 로직을 조정한다.
- 스크리닝 결과를 분석하고 매칭 품질을 높일 특성 설계를 지원한다.
- 모델 로직, 가정 및 변경 사항을 기록한 감사 대응 문서를 유지한다.
- 모델 성능을 추적하고 규제 요건과 모델 리스크 관리 기준에 맞춰 개선한다.
- 적절한 지표와 통계 방법으로 모델 성능을 평가하는 실험을 설계하고 수행한다.
- 컴플라이언스, 모델 리스크 관리 및 기술 팀과 테스트, 검증, 감사, 규제 검토를 조율한다.
- 모델을 검증해 정확성, 신뢰성 및 규정 준수 여부를 확인한다.
- 사업 부문과 규제 대상 조직의 이해관계자와 협력해 모델 리스크 관리 관행을 지원한다.
- 모델 아키텍처, 구현 및 방법론을 문서화한다.
- 모델 보고서를 검토하고 기술 및 비즈니스 이해관계자에게 결과, 인사이트 및 권고 사항을 공유한다.
- 비즈니스 이해관계자의 수시 요청에 대응한다.
- 간편한 사용성을 유지하면서 측정 가능한 가치를 제공하는 최종 사용자 경험을 만든다.
지원 자격
- 학사 학위와 관련 경력 5년 이상, 고급 학위와 관련 경력 2년 이상, 박사 학위 소지자는 경력 무관, 또는 관련 경력 8년 이상.
- 공학, 경제학, 통계학, 수학 또는 관련 기술 분야의 학사 또는 석사 학위.
- 데이터 분석, 보고, 통계 분석, 연구, 데이터 마이닝, 추세 분석 또는 관련 분야에서 5년 이상의 경력.
- SAS, SQL, Python 또는 R, Hive 및/또는 Spark를 사용해 머신러닝 모델을 개발하고 구현한 경험.
- 로지스틱 회귀, 랜덤 포레스트, SVM, XGBoost, CNN 또는 RNN 등의 AI 및 머신러닝 방법으로 예측 및 기술 통계 모델을 구축한 경험.
- 제재 스크리닝 및 이름 매칭에 대한 전문성.
- 자금세탁 방지 및 테러자금 조달 방지 체계와 금융 범죄 컴플라이언스 실무에 대한 지식.
- OFAC, EU, UN 및 영국 지침을 포함한 글로벌 제재 제도에 대한 이해.
- 규칙 기반 또는 통계 모델을 다룬 경험.
- Fircosoft, Comply, Advantage, World-Check 및 Actimize와 같은 제재 플랫폼에 대한 이해.
- 머신러닝, 자연어 처리, 딥러닝 및 생성형 AI를 포함한 AI 방법에 대한 전문성.
- pandas, NumPy, Matplotlib 및 scikit-learn과 같은 Python 라이브러리 사용 경험.
- 퍼지 매칭, NLP 기반 n-그램, 음성학, 토큰화 및 유사도 점수 산정에 대한 지식.
- 뛰어난 데이터베이스 관리, 데이터 추출 및 데이터 조작 역량.
- 빠르게 진행되고 압박이 큰 환경에서 전 세계 팀과 효과적으로 협업할 수 있는 능력.
- 여러 시간대에 맞춰 유연하게 근무할 의향.
- 뛰어난 커뮤니케이션, 비즈니스 문서 작성 및 이해관계자 관리 역량.
복리후생
- 하이브리드 근무 방식.
- 시간대에 맞춘 유연한 일정.