Inżynier ds. Uczenia Maszynowego, Komercyjne Ryzyko Oszustwa (Modelowanie)

Opis Firmy

Block zainicjował pomysł w 2013 roku, który szybko przekształcił się w Cash App, stworzoną do uproszczenia płatności pomiędzy użytkownikami. To, co wyrastało z prostego, jednoznacznego produktu, teraz zamienia się w rozległy ekosystem finansowy, oferujący różnorodne rozwiązania finansowe, w tym Afterpay/Clearpay. Naszym celem jest oferowanie bezproblemowego sposobu na wysyłanie, inwestowanie, wypłacanie, oszczędzanie i wydawanie pieniędzy dla naszych 47 milionów klientów na zasadzie miesięcznej. Naszą wizją jest przekształcenie tradycyjnego zaangażowania świata w pieniądze w prostsze, natychmiastowe i uniwersalnie dostępne doświadczenie.

Obecnie Cash App wspierany jest przez globalną siłę roboczą, zarówno pracującą w biurach, jak i zdalnie, która skupia się na innowacyjności, pracy zespołowej i tworzeniu wpływu. Nasze podstawy opierają się na modelu zdecentralizowanego zespołu, a mamy specjalnie zaprojektowane role do wykonywania z lokalizacji zdalnych, gdzie działa Cash App. Skupiamy się na tworzeniu środowiska dla naszych pracowników, w którym mogą wyzwalać swoją kreatywność, zapewniając wydajność, i cieszyć się pracą, niezależnie od miejsca, w którym się znajdują.

Aby dowiedzieć się więcej o naszych lokalizacjach, profitach i innych informacjach, odwiedź stronę: cash.app/careers.

Opis Stanowiska

Zespół ds. Ryzyka Fraudów zajmuje się opracowywaniem strategii ryzyka oszustw handlowych i wspieraniem zespołów ryzyka sprzedawców poprzez dostarczanie im modeli i wskaźników ryzyka do nadzoru kluczowych mierników ryzyka. Pracujemy ramię w ramię z licznymi zespołami inżynieryjnymi na rzecz wytyczania drogi dla serwowania rozwiązań opartych na AI nowej generacji.

Na stanowisku modelera Machine Learning w zespole ds. Ryzyka Fraudów Twoim obowiązkiem będzie rozwój i implementacja modeli uczenia maszynowego do wykrywania i zapobiegania działaniom oszukańczym. Dogłębne zrozumienie algorytmów uczenia maszynowego, analizy danych i technik wykrywania oszustw jest wymagane na tym stanowisku.

Twoje obowiązki:

• Rozwój, implementacja i utrzymanie modeli uczenia maszynowego do wykrywania oszustw.
• Analizowanie dużych zbiorów danych w celu odkrycia wzorców i trendów związanych z działaniami oszukańczymi.
• Ścisła współpraca z zespołami interdyscyplinarnymi w celu zrozumienia wymagań biznesowych i generowania rozwiązań mających na celu zredukowanie ryzyka fraudów.
• Ciągłe monitorowanie i ocena wydajności modeli uczenia maszynowego oraz wprowadzanie niezbędnych modyfikacji.
• Bycie na bieżąco z najnowszymi rozwojami w dziedzinie uczenia maszynowego i wykrywania oszustw oraz wdrazanie odpowiednich nowych technik i technologii do naszych procesów.
• Przygotowywanie i prezentowanie raportów na temat wyników modeli i trendów w oszustwach dla interesariuszy.

Kwalifikacje

Idealny kandydat powinien spełniać następujące wymagania:

• Licencjat w dziedzinach takich jak Informatyka, Statystyka, Matematyka lub pokrewnej. Preferowane jest posiadanie tytułu magistra.
• Co najmniej 5 lat doświadczenia w uczeniu maszynowym, analizie danych lub pokrewnym obszarze.
• Doświadczenie w wykrywaniu oszustw i zarządzaniu ryzykiem.
• Dogłębne zrozumienie algorytmów uczenia maszynowego i technik analizy danych.
• Doświadczenie w językach programowania takich jak Python lub Java.
• Znakomite umiejętności rozwiązywania problemów i skrupulatność.
• Świetne umiejętności komunikacyjne, z umiejętnością wyrażania skomplikowanych pomysłów w prosty sposób dla osób nie posiadających technicznej wiedzy.

Technologie, których używamy i nauczamy:

• Python (w tym biblioteki takie jak NumPy, Pandas, sklearn, TensorFlow, PyTorch, keras, itp.)
• Snowflake, DataBricks, GCP, AWS
• Klasyczne modele klasyfikacyjne/regresyjne. Zaawansowane uczenie, w tym modelowanie sekwencyjne, modelowanie grafów i modele oparte na transformatorach.

Dodatkowe Informacje

W Block nasze wynagrodzenia zależą od rynku. Wynagrodzenie może różnić się w zależności od Twojej lokalizacji. Skategoryzowaliśmy lokalizacje w USA na cztery strefy na podstawie indeksu kosztów pracy w danym obszarze. Początkowe wynagrodzenie udanego kandydata będzie ustalone na podstawie umiejętności związanych z pracą, doświadczenia, kwalifikacji, lokalizacji pracy i warunków rynkowych. Te przedziały mogą ulec zmianie w przyszłości.

Strefa A: USD $167,300 - USD $204,500
Strefa B: USD $158,900 - USD $194,300
Strefa C: USD $150,600 - USD $184,000
Strefa D: USD $142,200 - USD $173,800