TCL新型显示技术开发资深工程师(XQ241011011)

1、与业务需求结合，设计并落地创新型实验及准实验，提升实验的效率和洞察深度，探索机器学习技术、动线挖掘、模型预测等方法在因果推断中的应用场景，解决观测数据中因果关系的识别，研发新型因果推断方法，优化业务决策； 2、从理解业务问题到因果因推断相关领域方法论研究、原型验证、直到与工程团队合作将成熟的技术产品化，推动方法从理论到实践的转化。设计可扩展的实验框架，支持大规模、多场景下的因果推算与效果评估； 3、负责通过AB实验设计、因果推断、深度学习等手段，量化运营策略效果和价值，科学评估运营手段，为业务决策提效。

1. 负责云网络的虚拟化网元底座NFV平台的数据面技术方案，包括基于需求进行技术可行性分析，技术方案选型、功能设计以及技术架构设计等工作 ； 2. 负责云网络的虚拟化网元底座NFV平台的数据面开发，包括需求代码开发、代码Review、测试及上线发布； 3. 负责云网络的虚拟化网元底座NFV平台的稳定性能力建设以及性能优化，包括线上问题处理、问题诊断等，确保系统的安全可靠，提升产品稳定性和性能； 4. 参与云网络虚拟化网元产品的技术预研以及技术规划，跟踪和了解最新的产品技术趋势。

1、参与大规模分布式时序引擎系统设计和开发以及优化，保障系统在极高并发访问的场景下低延迟、高可用、高吞吐、可扩展； 2、基于云原生基础设施，建设弹性Serverless的平台化能力，为用户提供简单、高效、易用的分布式数据服务； 3、深度理解和支持内外部客户的业务需求，打造标杆客户，培养开发者生态； 4、学习和吸纳业界优秀的开源技术和理论成果，敢于探索、创新，拓展和丰富产品的能力。

高级/资深算法工程师（国际支付风控方向），base上海/南京 1.支付风险识别与防控 ●负责跨境电商业务中支付风险的全面识别与防控，重点治理欺诈（盗卡、盗账户 友好欺诈）等方面风险，确保支付全链路安全可靠。 ●利用数据分析和机器学习技术，精确识别支付风险，建立有效的风控模型体系。 2.风控模型全链路管理 ●主导支付风控模型的全链路开发与上线工作，包括需求调研、风险探索、方案设计、模型开发、系统集成、部署上线、效果评估、持续优化和监控预警。 ●与产品、工程、业务团队紧密合作，确保风控模型精准全面覆盖业务场景，并能够及时应对市场变化。 3.前沿技术应用与创新 ●深入探索全球各大市场的新型支付作弊行为，利用多模态大数据进行风险评估与预测。 ●应用异常检测、集成学习、强化学习、序列模型、图模型、大规模预训练模型等前沿技术，提升风险识别的准确率和召回率。