Власник продукту (Data Science та Machine Learning у сфері боротьби з шахрайством)

Російський хакер, Володимир Леонідович Левін, здійснив наймасштабнішу банківську крадіжку в історії через інтернет за допомогою модемного з'єднання ще в 1994 році. Ця подія зацікавила Зію Хаята, генерального директора та засновника Callsign, і він усвідомив реальність шахрайств, що виконуються зі зручності власного вітальні. Саме в той момент Зія вирішив, що хоче брати участь в боротьбі з злочинниками та робити інтернет безпечним для всіх. Заснований в 2012 році, головною метою Callsign стала спрощення та посилення цифрових ідентичностей для всіх і всього. За цей час ми зросли до понад 200 співробітників, відкрили філії в Сінгапурі та Абу-Дабі, були визнані глобальним новатором ВЕФ, і наша технологія була прийнята різними провідними світовими фінансовими організаціями для захисту численних клієнтів. Але наша подорож ще не закінчена. Революція ідентичності тільки починається, і ми зацікавлені в наймі найрозумніших і найбільш цікавих умів, щоб допомогти нам зробити кожну веб-, мобільну та фізичну взаємодію гладкою та безпечною. Якщо ви відчуваєте, що це про вас, давайте почнемо розмову. Вимоги Експерт у своїй галузі: Ви повинні бути експертом у галузі шахрайства і розробки статистичних моделей для прогнозування шахрайства та перевірки ідентичності. Розширюйте своє розуміння методик шахрайства і формалізації створення прогнозних моделей, які задовольняють вимоги наших клієнтів і допомагають виявляти шахрайство в різних ситуаціях з безпекою та шахрайствами, таких як захоплення акаунту, шахрайство при відкритті акаунту, соціальна інженерія, погана поведінка акторів. Чітко визначити та розробити прогнозні моделі, які оцінюють ймовірність позитивної ідентифікації користувача (користувач, який повертається, є тим, хто він говорить, що він є) у сфері пасивної поведінкової аутентифікації, оцінки ідентичності та управління помилковими позитивними виявленнями шахрайства. Розширюйте своє знання про протидію шахрайству та безпеці, щоб допомогти запобігти шахрайству, співпрацюючи з іншими власниками продуктів для розробки продуктів захисту та втручання клієнтів, таких як багатофакторна аутентифікація, ризикова аутентифікація та динамічне повідомлення в каналі. Планування: Як власник продукту, брати на себе відповідальність за команду інженерів з наукових даних та машинного навчання, пов'язану з продуктом. Працюйте в тісному контакті з головою відділу продуктів та іншими власниками продуктів домену інтелекту, щоб визначити візію продукту і мати внутрішній та зовнішній орієнтовні плани для досягнення ключових цілей. Беріть на себе керівництво з планування планів випуску продуктів і встановіть чіткі цілі для команди на основі вимірюваних цілей продукту. Керуйте вимогами клієнтів щодо нових функцій до беклогу та плану. Контролюйте вхідні помилки та розглядайте їх у беклогу. Пріоритезуй на основі бізнес-цінності і визначеної стратегії. Проведення наукових даних та інженерії машинного навчання, пов'язані з продуктом. Забезпечте візію та напрямок даним науковцям та інженерам з машинного навчання. Створили вимоги, щоб забезпечити чіткі та зрозумілі історії користувачів та критерії прийняття для всіх розробок. Переконайтеся, що ваша команда завжди має достатню кількість підготовлених завдань для роботи, щоб неперервно додавала цінність. Володійте розробкою моделей життя та беклогом ML-платформ, оцінюючи цінність (стратегію), розробляючи випадки використання (дизайн), встановлюючи пріоритети історій, епопей, тем і володіючи обсягом (управління беклогом). Неперервно зосередьтеся на тому, щоб нести найкращий досвід та максимальну цінність. Взаємодійте з більшою компанією, щоб сприяти внутрішнім ідеям і рекомендаціям щодо поліпшення продуктів. Контроль внеску: Керувати методами безперервної оцінки ефективності моделі (статистична продуктивність та звітність) за ключовими показниками. Співпрацювати з нашими командами безпеки та захисту даних щодо дизайну та застосуванні етики штучного інтелекту та управління даними в команді. Внесок у стратегію: Підтримуйте дослідження та аналіз ринку, щоб наша стратегія та план продукту були узгоджені. Стежте за нашими конкурентами та змінами в ширшій галузі. Основні навички та досвід (технічний): У вас є перевіриме розуміння шаблонів та методик шахрайства. Ви маєте навички дослідження даних SQL та розробки програмного забезпечення на базі Python, наприклад, як аналітик шахрайства, науковець з даними і т.д. Історія розробки продуктів на основі даних, таких як машинне навчання, глибоке навчання, статистика. Досвід у життєвому циклі розробки моделей та дизайну, включаючи захоплення гіпотези, інженерію характеристик, доведення гіпотези, перегляд статистичної продуктивності та програмне підтвердження (функціональне/нефункціональне тестування). Основні поведінкові навички: Сильне лідерство, супроводжується надійними комунікаційними та навичками презентaції. Сильні аналітичні та вирішення проблем навички; комфортно працює з невизначеністю в проблемних областях. Демонструйте цілісність, позитивне ставлення та прагнення до відмінності. Бажані навички: 5+ років технічного досвіду як інженера ML або науковця з даними і бажання формувати розробку продуктів. Знання, досвід і/або взаємодія з галузевими органами та відповідними стандартами та областями, наприклад, ISO, NIST. Знайомство з обслуговуванням хмарних сервісів AWS для наукових даних. Пільги Гібридна робота. Особиста допомога в навчанні. 25 днів відпустки плюс відпустка за Callsign. Приватне медичне страхування.