高德地图高德-风控算法工程师-风险管理
任职要求
1.硕士及以上学历，计算机科学、数学等相关专业，有风控相关算法模型工作经验优先； 2.熟练掌握风控领域相关算法包括不限于机器学习、社区挖掘、行为序列异常或图模型的深度学习；具备将风险识别场景转化成模型问题，设计并实现合理解决方案的能力； 3.熟练大数据开发者优先：了解MapReduce原理，使用过Hadoop Streaming/Hive/Spark/ODPS等大数据研发工具，能熟练处理海量数据； 4.具有丰富的和黑灰产对抗的实战经验，熟悉当下主流作弊工具和手段；并敏感察觉业务数据波动，能从海量数据中提取异常信息； 5.沟通协作意识好，能紧密地和业务方深入合作，和业务方共同保障项目落地，为项目最终效果负责； 6.具有丰富的电商类、生活服务类的业务平台上的反作弊、反欺诈经验者优先。
工作职责
1.基于海量业务数据，使用大数据开发能力支撑风控运营，利用机器学习算法识别风控领域风险，包括不限于:在账号安全、营销交易、商家审核等不同风险场景下，基于用户信息、操作行为序列或关联关系等海量业务数据，设计并实现不同场景下的风险识别模型； 2.为风控运营提供风险识别名单、风险势态感知能力、风控业务数据底座和风控运营的必要数据支撑。
1、深入理解快手业务逻辑，运用数据挖掘、机器学习、深度学习等技术，构建风控策略体系，提升风险管理水平，为业务保驾护航； 2、基于风控数据体系，挖掘多维度特征（包括并不限于：用户、IP、设备等）、构建用户画像和用户质量等级，应用于业务反欺诈、渠道反作弊等业务安全领域； 3、基于各种关系网络数据，运用图挖掘算法，挖掘用户设备关联度、亲密度等特征，构建风险感知和异常团伙挖掘能力； 4、深入探索业务数据，创新性的思考和发现问题，并提出有效解决方案。
1. 负责叮咚买菜风控算法工作，基于海量全链路业务及用户行为数据，运用数据挖掘模型和规则，解决交易安全、账号安全、流量安全等各类业务风险问题； 2. 熟悉黑产套利链条等场景运作模式和各类作弊手段，能从业务视角出发，算法和工程相结合搭建完善的反作弊机制及信誉体系； 3. 综合利用异常检测，图挖掘和自适应学习算法等手段识别和解决具有高对抗性的业务风险场景，解决业务痛点的同时致力于打造业界领先的风控算法体系； 4. 算法模型框架设计及核心模型研发，CodeReview，代码风格管理，保证算法的准召及产出的稳定性。
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。
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。