E
Experian ทำงานร่วมกับแบรนด์ชั้นนำในด้านประสบการณ์ดิจิทัล เทคโนโลยี และการเปลี่ยนแปลงทางธุรกิจ การดำเนินงานของบริษัทผสานข้อมูลเชิงลึกเกี่ยวกับลูกค้า กลยุทธ์ผลิตภัณฑ์ โซลูชันเทคโนโลยีแบบอไจล์ ปัญญาประดิษฐ์ สถาปัตยกรรมคลาวด์ และการจัดการโครงการ เพื่อช่วยให้องค์กรต่าง ๆ ยกระดับประสบการณ์ของลูกค้าและปรับปรุงประสิทธิภาพการดำเนินงาน แนวทางการทำงานที่ครอบคลุมทั้งเทคโนโลยีและการให้คำปรึกษาของบริษัทอาจเหมาะกับผู้เชี่ยวชาญที่สนใจบทบาทด้านการเปลี่ยนผ่านสู่ดิจิทัล การตลาด โลจิสติกส์ และบริการทางธุรกิจที่เกี่ยวข้อง
ผู้เชี่ยวชาญด้านวิทยาศาสตร์ข้อมูล การตรวจจับความเสี่ยงจากการฉ้อโกงที่ Experian (ทำงานทางไกลในสหรัฐฯ)
สร้างและประเมินโมเดลแมชชีนเลิร์นนิงและฟีเจอร์เชิงคาดการณ์ เพื่อตรวจจับการฉ้อโกงและความเสี่ยงด้านตัวตนที่ Experian ตำแหน่งนี้ใช้ Python และ PySpark และสนับสนุนการนำไปใช้ในระบบตัดสินใจแบบแบตช์ ย้อนหลัง และเรียลไทม์
สหรัฐอเมริกา$103,669 – $179,693 / ปี
ระยะไกลเต็มเวลาระดับกลางระดับอาวุโสภาษาที่จำเป็น: อังกฤษนักวิทยาศาสตร์ข้อมูลรายละเอียด
- วิเคราะห์ชุดข้อมูลขนาดใหญ่และสร้างป้ายกำกับการฉ้อโกงผ่านการวิเคราะห์เชิงสำรวจ
- ระบุรูปแบบการฉ้อโกง เทคนิคการโจมตี และสัญญาณด้านพฤติกรรม
- เปลี่ยนโจทย์ด้านการฉ้อโกงและความเสี่ยงที่ยังไม่ชัดเจนให้เป็นสมมติฐาน แผนการวิเคราะห์ ข้อกำหนดของโมเดล และเกณฑ์ความสำเร็จที่วัดผลได้
- สร้างโมเดลแมชชีนเลิร์นนิงเพื่อตรวจจับการฉ้อโกงตอนเปิดบัญชี การยึดครองบัญชี และความเสี่ยงด้านตัวตน
- ประเมินโมเดลด้วย ROC/AUC, KS, Gini, ความแม่นยำและอัตราการเรียกคืน การตรวจจับการฉ้อโกง ผลบวกลวง ความติดขัดที่ลูกค้าพบ และความเสียหายที่ป้องกันได้
- สร้างและตรวจสอบความถูกต้องของฟีเจอร์เชิงคาดการณ์จากข้อมูลตัวตน ธุรกรรม ประวัติเครดิต อุปกรณ์ พฤติกรรม เวลา ความถี่ เครือข่าย และข้อมูลจากบุคคลที่สาม
- เขียนโค้ด Python และ PySpark ที่มีประสิทธิภาพและผ่านการทดสอบอย่างรอบคอบ
- ทำงานร่วมกับทีมเพื่อนำโมเดลและฟีเจอร์ไปใช้ในระบบตัดสินใจแบบแบตช์ ย้อนหลัง หรือเรียลไทม์
- ติดตามคุณภาพฟีเจอร์ ประสิทธิภาพโมเดล การเปลี่ยนแปลงของกลุ่มประชากร และรูปแบบการฉ้อโกงที่เปลี่ยนไป
- นำเสนอการวิเคราะห์พฤติกรรมของโมเดล ข้อแลกเปลี่ยน ความเสี่ยง และข้อเสนอแนะ
- ปฏิบัติตามมาตรฐานด้านความเป็นส่วนตัวของข้อมูล การจัดทำเอกสาร ความสามารถในการอธิบาย การตรวจสอบความถูกต้อง และการกำกับดูแล
- รายงานต่อผู้จัดการอาวุโสฝ่ายวิเคราะห์การฉ้อโกง
- ทำงานร่วมกับนักวิทยาศาสตร์ข้อมูลอาวุโสและวิศวกร ตั้งแต่การกำหนดปัญหาไปจนถึงการออกแบบฟีเจอร์ การทดลอง และการนำไปใช้
คุณสมบัติ
- มีประสบการณ์อย่างน้อยสามปีด้านวิทยาศาสตร์ข้อมูล แมชชีนเลิร์นนิง การสร้างแบบจำลองทางสถิติ หรือสาขาเชิงปริมาณที่เกี่ยวข้อง
- สำเร็จการศึกษาระดับปริญญาตรีหรือสูงกว่าในสาขาวิทยาการคอมพิวเตอร์ สถิติ วิศวกรรมศาสตร์ วิทยาศาสตร์ข้อมูล หรือสาขาเชิงปริมาณอื่น
- มีประสบการณ์ลงมือพัฒนาโมเดลสำหรับตรวจจับการฉ้อโกง ความเสี่ยงด้านตัวตน ความเสี่ยงด้านเครดิต อาชญากรรมทางการเงิน หรือความเสี่ยงเชิงปฏิปักษ์ประเภทอื่น
- มีประสบการณ์สร้างฟีเจอร์ที่เป็นประโยชน์ต่อการตรวจจับการฉ้อโกง
- มีความเชี่ยวชาญใน Python และ PySpark
- มีประสบการณ์เขียนโค้ดแบบโมดูลาร์ที่ผ่านการทดสอบ สำหรับชุดข้อมูลขนาดใหญ่และระบบข้อมูลแบบกระจายหรือบนคลาวด์
- มีประสบการณ์ใช้ pandas, NumPy, scikit-learn, XGBoost, TensorFlow หรือเครื่องมือที่คล้ายกัน
- มีความรู้เรื่องการเรียนรู้แบบมีผู้สอน การประเมินโมเดล การคัดเลือกฟีเจอร์ การอนุมานทางสถิติ การทดลอง และการปรับเทียบโมเดล
- มีประสบการณ์รับมือกับความไม่สมดุลของคลาส ป้ายกำกับที่ล่าช้าหรือไม่ครบถ้วน รูปแบบการโจมตีที่เปลี่ยนแปลง และการเสื่อมประสิทธิภาพของโมเดล
- มีประสบการณ์นำโมเดลไปใช้งานจริงหลังผ่านขั้นตอนการทดลอง
- มีคุณสมบัติตรงตามข้อกำหนดด้านสิทธิ์การทำงานและการจ้างงานที่มีผลบังคับใช้ในสหรัฐอเมริกา
สวัสดิการ
- แพ็กเกจค่าตอบแทนที่แข่งขันได้และแผนโบนัส
- ความคุ้มครองด้านการแพทย์ ทันตกรรม และสายตา พร้อมแผน 401(k) ที่นายจ้างสมทบเงิน
- รูปแบบการทำงานที่ยืดหยุ่น ทั้งทำงานทางไกล แบบผสมผสาน หรือที่สำนักงาน
- วันลาที่ยืดหยุ่น รวมถึงเวลาสำหรับงานอาสาสมัคร วันหยุดพักผ่อน ลาป่วย และวันหยุดมีค่าจ้าง 12 วัน
- แพ็กเกจสวัสดิการที่ครอบคลุม
- โอกาสได้รับค่าตอบแทนผันแปร
- วัฒนธรรมองค์กรที่เปิดรับทุกคนและขับเคลื่อนด้วยเป้าหมาย
- การสนับสนุนการปรับสภาพการทำงานสำหรับผู้พิการหรือผู้ที่มีความต้องการพิเศษ