E
Experian
Experian hushirikiana na chapa zinazotambulika katika nyanja za uzoefu wa kidijitali, teknolojia na mabadiliko ya biashara. Kazi yake inachanganya maarifa ya wateja, mkakati wa bidhaa, suluhisho mahiri za teknolojia, AI, usanifu wa mifumo ya wingu na usimamizi wa miradi ili kusaidia mashirika kuboresha uzoefu wa wateja na kurahisisha shughuli zao. Mtazamo mpana wa kampuni kuhusu teknolojia na ushauri unaweza kuwavutia wataalamu wanaopenda majukumu yanayohusisha mabadiliko ya kidijitali, uuzaji, usafirishaji na huduma nyingine zinazohusiana na biashara.

Mtaalamu wa Sayansi ya Data, Utambuzi wa Hatari ya Ulaghai Experian (Kazi ya Mbali, Marekani)

Jenga na tathmini miundo ya mashine kujifunza na vipengele vya ubashiri ili kugundua ulaghai na hatari ya utambulisho katika Experian. Nafasi hii hutumia Python na PySpark na husaidia uzinduzi katika mifumo ya maamuzi ya kundi, rejea ya nyuma na muda halisi.

Maelezo

  • Changanua seti kubwa za data na uunde lebo za ulaghai kupitia uchanganuzi wa kiuchunguzi
  • Tambua mifumo ya ulaghai, mbinu za mashambulizi na ishara za kitabia
  • Geuza changamoto zisizo wazi za ulaghai na hatari kuwa dhana, mipango ya uchanganuzi, vipimo vya miundo na vigezo vya mafanikio vinavyopimika
  • Jenga miundo ya mashine kujifunza ili kugundua ulaghai wakati wa kufungua akaunti, kuchukuliwa kwa akaunti na hatari ya utambulisho
  • Tathmini miundo kwa kutumia ROC/AUC, KS, Gini, usahihi na recall, ugunduzi wa ulaghai, chanya za uongo, usumbufu kwa wateja na hasara zilizozuiwa
  • Unda na uthibitishe vipengele vya ubashiri kutoka data ya utambulisho, miamala, historia ya mikopo, kifaa, tabia, muda, kasi, mtandao na wahusika wengine
  • Andika msimbo bora na uliopimwa vizuri wa Python na PySpark
  • Shirikiana na timu kupeleka miundo na vipengele katika mifumo ya maamuzi ya kundi, rejea ya nyuma au muda halisi
  • Fuatilia ubora wa vipengele, utendaji wa miundo, mabadiliko ya idadi ya watu na mabadiliko ya mifumo ya ulaghai
  • Wasilisha uchanganuzi wa tabia ya miundo, mambo ya kupima, hatari na mapendekezo
  • Tumia viwango vya faragha ya data, uwekaji kumbukumbu, uelezekaji, uthibitishaji na usimamizi
  • Ripoti kwa Senior Manager of Fraud Analytics
  • Shirikiana na wanasayansi wakuu wa data na wahandisi kuanzia ufafanuzi wa tatizo hadi uhandisi wa vipengele, majaribio na uzinduzi

Mahitaji

  • Angalau miaka mitatu ya uzoefu katika sayansi ya data, mashine kujifunza, uundaji wa takwimu au nyanja nyingine ya kiasi inayohusiana
  • Shahada ya kwanza au ya juu katika sayansi ya kompyuta, takwimu, uhandisi, sayansi ya data au taaluma nyingine ya kiasi
  • Uzoefu wa vitendo wa kuunda miundo ya kugundua ulaghai, hatari ya utambulisho, hatari ya mikopo, uhalifu wa kifedha au hatari nyingine za upinzani
  • Uzoefu wa kuunda vipengele muhimu vya kugundua ulaghai
  • Uwezo mzuri wa kutumia Python na PySpark
  • Uzoefu wa kuandika msimbo wa moduli uliopimwa kwa seti kubwa za data na mifumo ya data iliyosambazwa au ya wingu
  • Uzoefu wa kutumia pandas, NumPy, scikit-learn, XGBoost, TensorFlow au zana zinazofanana
  • Ujuzi wa supervised learning, tathmini ya miundo, uteuzi wa vipengele, makisio ya takwimu, majaribio na urekebishaji wa miundo
  • Uzoefu wa kushughulikia kutosawazika kwa madarasa, lebo zilizochelewa au zisizokamilika, mabadiliko ya mifumo ya mashambulizi na kuyumba kwa miundo
  • Uzoefu wa kupeleka miundo kwenye uzalishaji baada ya hatua ya majaribio
  • Kutimiza masharti husika ya idhini ya kufanya kazi na ajira nchini Marekani

Manufaa

  • Kifurushi cha malipo chenye ushindani na mpango wa bonasi
  • Bima ya matibabu, meno na macho, pamoja na 401(k) yenye mchango linganifu
  • Chaguo za kazi zinazobadilika, zikiwemo kazi ya mbali, mseto au ofisini
  • Likizo inayobadilika, ikijumuisha muda wa kujitolea, likizo ya mwaka, likizo ya ugonjwa na siku 12 za sikukuu zinazolipwa
  • Kifurushi kamili cha manufaa
  • Fursa ya malipo yanayobadilika
  • Utamaduni jumuishi unaoongozwa na kusudi
  • Usaidizi wa marekebisho kwa watu wenye ulemavu au mahitaji maalum