网易资深风控Java开发工程师

1. 系统开发与实现：依据风控平台的业务需求，负责核心模块的代码编写，涵盖风险评估、预警规则设定、用户行为分析等功能的具体实现，确保代码的质量和可维护性；运用 Java 相关技术，如 Spring Boot、Spring Cloud 等框架，搭建稳定、高效的系统架构，保障平台在高并发、大数据量环境下的稳定运行 。 2. 数据处理与算法应用：参与处理和分析海量的风险数据，包括用户交易数据、信用数据等，借助数据挖掘算法和机器学习技术，构建风险预测模型，为风险评估和控制提供数据支持；优化现有算法，提升风险识别的准确性和及时性，降低误判率 。 3. 技术协作与沟通：与产品团队紧密合作，理解业务需求，将其转化为可行的技术方案；协同测试团队，进行联调测试，及时解决测试过程中发现的问题，保障系统的稳定性和可靠性；与运维团队协作，协助完成系统的部署、监控和维护工作，确保系统的持续稳定运行 。 4. 问题解决与优化：实时监控风控平台的运行状态，快速定位并解决系统出现的故障和性能瓶颈，如响应延迟、数据异常等问题；根据业务发展和用户反馈，持续对系统进行优化和升级，提升系统的性能和用户体验 。

1. 负责安全相关系统的研发； 2. 准确理解需求，参与技术方案和系统设计评审，负责业务功能研发； 3. 负责研发过程中的文档工作、测试联调工作； 4. 跟踪线上运营情况，及时修复线上问题； 5. 对现有系统的不足进行分析，找到目前系统的瓶颈，改进系统算法，提高系统性能。

1. 算法工程化支持：负责支持跨境治理和商品治理方向的算法工程化落地，包括算法服务化、模型部署、性能优化、A/B测试与监控体系搭建。 2. 系统开发与维护：基于Java与Python开发高性能、可扩展的算法平台和治理系统，保障算法稳定运行和高可用性。 3. 算法研发协同：与算法研究人员、产品经理紧密协作，推动图像理解、NLP、多模态及大模型等算法从研发到线上应用的全流程闭环。 4. 数据与质量评估：建设和维护治理效果数据采集、评估和监控体系，持续迭代优化模型与策略，驱动业务降本增效。 5. 技术方案创新：关注业界最新算法工程化与MLOps实践，推动内部平台能力升级，提升算法迭代效率。

负责支付风控，推动包括fraud rate，chargeback rate等在内的核心风控指标持续优化。 1、开发并优化欺诈模型、支付可信分、用户画像等模型； 2、搭建各业务环节的机器学习模型，并负责模型部署应用、维护、监控和升级迭代； 3、推动用户行为序列、消费能力、欺诈特征挖掘，并对数据挖掘结果进行评估和校验； 4、负责建模流程优化，提升模型开发和部署效率，降低模型维护成本； 5、研究前沿机器学习算法在领域的实践和应用。