FIS utvikler finansteknologi for banker, virksomheter og myndigheter over hele verden. Plattformporteføljen omfatter digital bankvirksomhet, utlån, betalinger, automatisert finansiering, formuesforvaltning og etterlevelse av regelverk, og hjelper organisasjoner med å håndtere penger på en sikker måte innen oppbevaring, overføringer, investeringer og relaterte aktiviteter. Selskapet kombinerer fintech-kompetanse med verktøy som skal forbedre effektiviteten, kontrollere kostnadene og bidra til bedre kundeopplevelser.
Utvikle og sette i produksjon prediktive modeller og AI-løsninger for FIS-produkter innen finansielle tjenester. Bruk maskinlæring på risiko, svindel, markedsføring, porteføljeforvaltning og betalinger.
Utvikle utforskende analyser, prediktive modeller og AI-løsninger for utfordringer innen finansielle tjenester, som risiko, svindel, markedsføring og porteføljeforvaltning.
Gjør funn fra maskinlæring om til praktiske produktanbefalinger for interne og eksterne målgrupper.
Bidra til utforming, utvikling, validering, utrulling og overvåking av avansert analyse, maskinlæring og AI-løsninger.
Forbered og analyser modelleringsdata ved hjelp av egnede datastrukturer og algoritmer.
Kombiner data fra etablerte og nye kilder for å bygge analytiske løsninger fra start til slutt.
Bruk maskinlæring, prediktiv analyse, NLP, generativ AI og agentbasert AI til å løse komplekse problemer innen betalinger og finansielle tjenester.
Planlegg og gjennomfør eksperimenter, hypotesetester og statistiske analyser.
Frem god praksis innen datavitenskap, maskinlæring, feature engineering, eksperimentering, modellstyring og MLOps.
Følg utviklingen i bransjen og del relevante innovasjoner med teamet.
Krav
Mastergrad eller høyere innen matematikk, informatikk, ingeniørfag, operasjonsanalyse, statistikk eller et beslektet kvantitativt fagområde.
1–3 års erfaring med å bygge og sette i produksjon ende-til-ende-løsninger innen maskinlæring, prediktiv analyse og datavitenskap for betalinger, bank eller finansielle tjenester.
Gode ferdigheter i Python og SQL.
Erfaring med stordata-verktøy som Spark eller PySpark er en fordel.
Praktisk erfaring med databehandling, feature engineering og modellutvikling ved hjelp av biblioteker som Pandas, NumPy, Scikit-learn, Matplotlib, Seaborn eller Plotly.
Erfaring med å sette maskinlæringsmodeller i produksjon eller i miljøer nær produksjon.
Gode ferdigheter innen datavisualisering og verktøy for business intelligence, som Tableau eller tilsvarende.
Sterke analytiske ferdigheter og evne til problemløsning, inkludert evnen til å omsette uklare forretningsutfordringer til grundige analytiske tilnærminger.
Evne til å samarbeide med produkt-, teknologi- og forretningsteam.
Erfaring innen betalinger, bank eller finansielle tjenester.
Praktisk erfaring med Databricks, inkludert MLflow, Model Registry, samarbeidsnotatbøker og MLOps-arbeidsflyter.
Erfaring med å sette skybaserte maskinlæringsløsninger i produksjon, særlig på AWS.
Kjennskap til utviklingen innen transformermodeller og agentbasert AI.
Kunnskap om modellstyring, regelverksetterlevelse og MLOps-praksis innen regulerte finansielle tjenester.
For stillinger i USA må kandidater som får et betinget tilbud, gjennomgå en narkotikatest.
Fordeler
Mulighet til å bidra til fremtidens finansielle teknologi.
Kontinuerlig læring og faglig utvikling.
Samarbeidsorientert arbeidsmiljø.
Muligheter til å støtte lokalsamfunnet.
Konkurransedyktig lønn og goder.
Relaterte jobber
Dataforsker på arbeidsstedet innen virtuelle agenter hos Asurion
Utvikle generativ AI og verktøy for virtuelle agenter til Asurions kundestøtte. Lag LLM-løsninger i sanntid, NLP-modeller og AI-funksjoner for produksjon.