Applied Scientist, Buyer Abuse Prevention ML

В Amazon.com мы стремимся стать самым безопасным и надежным торговым местом в Интернете, защищая наших клиентов от рисков. Команда по предотвращению рисков покупателя (BRP) находится в авангарде этой миссии, укрепляя доверие клиентов и обеспечивая безопасность финансовых транзакций на всех платформах Amazon. В настоящее время мы ищем инновационного прикладного ученого для нашей команды по борьбе с злоупотреблениями покупателей, задачей которого будет сочетание передовых аналитических методов с исследовательскими данными для усиления наших механизмов предотвращения мошенничества.

Как прикладной ученый в BRP, вы будете решать сложные задачи моделирования, выявлять глубокие инсайты и разрабатывать передовые алгоритмы риска для обнаружения и смягчения случаев злоупотреблений. Ваши усилия будут напрямую влиять на операционную эффективность Amazon за счет:

• Разработки и внедрения моделей и алгоритмов машинного обучения.
• Создания прототипов и исследования новых решений.
• Проведения экспериментов для проверки гипотез и обмена результатами с продуктовыми и техническими командами.
• Управления влиянием решений на основе машинного обучения как на ресурсы Amazon, так и на опыт клиентов.
• Создания эффективной инфраструктуры запросов данных для различных приложений.
• Тесного сотрудничества с мультидисциплинарными командами для совершенствования автоматизации процессов.
• Использования обширных данных Amazon для ваших анализов.
• Исследования и применения новых методов машинного обучения и статистических техник.
• Поддержания детальной документации и представления ваших результатов в четкой и убедительной форме.

Для получения более подробной информации о наших инновационных проектах посетите Amazon Science.

Мы гибки в вопросе места работы с возможностью присоединиться к нам в Сан-Диего, Калифорния или Сиэтле, Вашингтон.

• Степень магистра в области компьютерных наук, математики, статистики, машинного обучения или другой количественной дисциплины.
• Владение языками программирования, такими как Java, C++ или Python.

• Практический опыт в реализации алгоритмов и разработке моделей машинного обучения.
• Публикации в ведущих ре