字节跳动数据建模工程师（金融科技）-Data

1、负责金融风控和营销领域数据的特征挖掘和模型开发，挖掘并整合三方数据特征，运用逻辑回归、XGBoost、神经网络等算法进行数据建模； 2、设计模型开发流程，评估模型有效性，并持续监控与优化模型； 3、根据业务模型需求构造适合的特征变量，挖掘数据价值，基于对数据的理解，对数据进行清洗、分析与加工； 4、负责开发用于风险分析，模型构建的相关工具。

-通过与合作方合作,通过数据挖掘、机器学习、深度学习等方法，构建ToB端的信用贷款风险控制模型。 -参与深度学习等系统和应用的设计、实现、算法调研、优化。 -互联网金融、消费金融、小额贷款行业的机器学习、深度学习等领域前沿算法的研究和代码工程化实现。 -参与金融科技相关AI前沿技术调研。

-通过与合作方合作,通过数据挖掘、机器学习、深度学习等方法，构建ToB端的信用贷款风险控制模型。 -参与深度学习等系统和应用的设计、实现、算法调研、优化。 -互联网金融、消费金融、小额贷款行业的机器学习、深度学习等领域前沿算法的研究和代码工程化实现。 -参与金融科技相关AI前沿技术调研。

1、结合互联网大数据能力和金融信贷场景需求 ，开发信用评分、反欺诈等风控模型，进行行业赋能； 2、参与风控建模全流程，包括但不限于标签定义、特征工程、模型训练、模型评估、调优、部署、监控、维护等； 3、通过对海量多维度数据挖掘，丰富和维护风控特征库，并对特征进行有效性、稳定性验证； 4、不断探索机器学习算法在金融科技领域的应用，提升团队风控建模能力，丰富产品矩阵。