高级数据科学家，反洗钱与制裁筛查
使用机器学习和模糊匹配开发并优化 Visa 的反洗钱与制裁筛查模型。 提升检测质量，减少全球支付合规中的误报。
描述
- 分析大型数据集，将业务问题转化为可执行的发现。
- 检查结构化和半结构化数据，包括姓名、地址和标识符。
- 评估数据质量、完整性及其对制裁筛查的适用性。
- 定义并测试用于匹配和评分的特征。
- 与数据工程团队协作，开展数据获取和转换工作。
- 开发并改进基于规则和模糊匹配的制裁筛查模型。
- 调整阈值和评分逻辑，以提高检测准确性并减少误报。
- 分析筛查结果，协助设计能够提升匹配质量的特征。
- 维护可供审计的文档，记录模型逻辑、假设和变更。
- 跟踪模型表现，并按照监管要求和模型风险管理标准进行改进。
- 设计并开展实验，使用适当的指标和统计方法评估模型表现。
- 与合规、模型风险管理和技术团队协调测试、验证、审计及监管审查工作。
- 验证模型，确认其准确性、可靠性和合规性。
- 与各业务部门和受监管实体的相关方合作，支持模型风险管理实践。
- 记录模型架构、实施方式和方法论。
- 审阅模型报告，并向技术和业务相关方分享发现、见解和建议。
- 响应业务相关方的临时请求。
- 打造简单易用且能带来可衡量价值的终端用户体验。
任职要求
- 拥有学士学位及至少5年相关经验，或拥有高级学位及至少2年相关经验；博士学位无需经验；或者拥有至少8年相关经验。
- 拥有工程、经济学、统计学、数学或相关技术领域的学士或硕士学位。
- 至少有5年数据分析、报告、统计分析、研究、数据挖掘、趋势分析或相关领域经验。
- 具有使用 SAS、SQL、Python 或 R、Hive 和/或 Spark 开发并实施机器学习模型的经验。
- 具有使用逻辑回归、随机森林、支持向量机、XGBoost、卷积神经网络或循环神经网络等人工智能和机器学习方法构建预测性和描述性统计模型的经验。
- 精通制裁筛查和姓名匹配。
- 了解反洗钱和打击恐怖主义融资框架以及金融犯罪合规实践。
- 了解全球制裁制度，包括 OFAC、欧盟、联合国和英国的相关指引。
- 具有基于规则或统计模型的经验。
- 熟悉 Fircosoft、Comply、Advantage、World-Check 和 Actimize 等制裁筛查平台。
- 精通机器学习、自然语言处理、深度学习和生成式人工智能等人工智能方法。
- 具有使用 pandas、NumPy、Matplotlib 和 scikit-learn 等 Python 库的经验。
- 了解模糊匹配、基于自然语言处理的 n 元语法、语音学、分词和相似度评分。
- 具备扎实的数据库管理、数据提取和数据处理技能。
- 能够在节奏快、压力大的环境中与全球各地的团队有效协作。
- 愿意根据不同时区灵活安排工作时间。
- 具备出色的沟通、商务写作和相关方管理能力。
福利待遇
- 混合办公安排。
- 可根据不同时区灵活安排工作时间。