資深資料科學家，反洗錢與制裁篩查
運用機器學習與模糊比對，開發並精進 Visa 的反洗錢與制裁篩查模型。 提升偵測品質，減少全球支付合規作業中的誤報。
說明
- 分析大型資料集，將業務問題轉化為可採取行動的發現。
- 檢視結構化與半結構化資料，包括姓名、地址及識別碼。
- 評估資料品質、完整性及其對制裁篩查的適用性。
- 定義並測試用於比對與評分的特徵。
- 與資料工程團隊合作處理資料來源與轉換。
- 開發並改進規則式與模糊比對制裁篩查模型。
- 調整門檻與評分邏輯，以提高偵測準確度並減少誤報。
- 分析篩查結果，協助設計可提升比對品質的特徵。
- 維護可供稽核的文件，記錄模型邏輯、假設及變更。
- 追蹤模型效能，並依循法規與模型風險管理標準進行改進。
- 設計並執行實驗，運用適當指標與統計方法評估模型效能。
- 與法遵、模型風險管理及技術團隊協調測試、驗證、稽核與法規審查。
- 驗證模型，確認其準確性、可靠性及法規遵循情形。
- 與各事業單位及受監管實體的利害關係人合作，支援模型風險管理實務。
- 記錄模型架構、實作方式與方法論。
- 檢視模型報告，並向技術與業務利害關係人分享發現、洞見及建議。
- 回應業務利害關係人的臨時需求。
- 打造簡單易用且能創造可衡量價值的終端使用者體驗。
職位要求
- 具學士學位及至少5年相關經驗，或具進階學位及至少2年相關經驗；博士學位無需經驗；或至少具8年相關經驗。
- 具工程、經濟、統計、數學或相關技術領域的學士或碩士學位。
- 至少具5年資料分析、報告、統計分析、研究、資料探勘、趨勢分析或相關領域經驗。
- 具備使用 SAS、SQL、Python 或 R、Hive 及／或 Spark 開發與實作機器學習模型的經驗。
- 具備使用邏輯迴歸、隨機森林、支援向量機、XGBoost、卷積神經網路或循環神經網路等人工智慧與機器學習方法，建立預測性與描述性統計模型的經驗。
- 精通制裁篩查與姓名比對。
- 了解反洗錢與打擊資恐架構，以及金融犯罪法遵實務。
- 了解全球制裁制度，包括 OFAC、歐盟、聯合國及英國的相關指引。
- 具備規則式或統計模型的經驗。
- 熟悉 Fircosoft、Comply、Advantage、World-Check 及 Actimize 等制裁平台。
- 精通機器學習、自然語言處理、深度學習及生成式人工智慧等 AI 方法。
- 具備使用 pandas、NumPy、Matplotlib 及 scikit-learn 等 Python 函式庫的經驗。
- 了解模糊比對、以自然語言處理為基礎的 n 元語法、語音學、斷詞及相似度評分。
- 具備良好的資料庫管理、資料擷取及資料處理技能。
- 能在步調快速、壓力高的環境中與全球各地團隊有效合作。
- 願意配合不同時區彈性安排工作時間。
- 具備優秀的溝通、商務寫作及利害關係人管理能力。
福利待遇
- 混合辦公安排。
- 可配合不同時區彈性安排工作時間。