Senior Applied Scientist - Transaction Risk Management (all genders)

Приєднуйтесь до Zalando як старший прикладний науковець у управлінні ризиками транзакцій

У Zalando, наша візія – бути стартовою точкою для моди. Ми прагнемо створити шопінговий досвід, заснований на довірі для понад 50 мільйонів клієнтів у 25 європейських країнах і наших 6,500+ партнерських брендів. Для підтримання цієї довіри нам важливо керувати ризиками клієнтів і покупок, які виникають внаслідок шахрайських дій на нашій платформі моди.

У нас є 3,3 мільйона товарів для покупок, що призводить до сотень тисяч замовлень щодня, ми використовуємо великі дані та передові методи машинного навчання, щоб передбачити та пом'якшити ці ризики, забезпечуючи надійні відносини з нашими клієнтами та партнерами.

Про роль

Як full-stack прикладний науковець у нашій команді управління ризиками транзакцій, ви приєднаєтеся до динамічної та різноманітної групи інженерів і науковців. Наша аналітична команда відповідає за кілька предиктивних служб для захисту інших команд у домені checkout Zalando. Тут ви працюватимете над передовими проектами, підвищуватимете технічні стандарти, покращуватимете оперативну досконалість та формуватимете наші робочі процеси.

Обов’язки

• Розробка, розгортання та експлуатація рішень машинного навчання для виявлення, передбачення та управління ризиками клієнтів та покупок.
• Швидке прототипування та випробовування моделей машинного навчання для оцінки їхньої придатності для вирішення дослідницьких, клієнтських та бізнес-проблем.
• Вирішення проблем у розробці алгоритмів та їх ефективному виконанні на платформах з обмеженими ресурсами.
• Моніторинг та оптимізація інфраструктури машинного навчання на AWS та Databricks/Spark.
• Проведення (ад-хок) досліджень на основі великих (не-/напів-)структурованих даних для виявлення нових підозрілих поведінок на нашій платформі.
• Використання суворого підходу до вирішення, проведення та документування дослідницьких проектів.
• Тісна співпраця з програмістами, прикладними науковцями, аналітиками даних, менеджерами продуктів та спеціалістами з шахрайства для вирішення проблем шахрайства.
• Внесок у зростаючу наукову спільноту та сприяння обміну знаннями в агіліному робочому середовищі.

Вимоги

• 3-5 років практичного досвіду у ролі прикладного науковця, розробки та впровадження моделей машинного/глибокого навчання в хмарних середовищах (переважно AWS).
• Володіння Python та пов’язаними з ним фреймворками машинного/глибокого навчання, такими як Pytorch, Tensorflow, Keras тощо.
• Експертність в інфраструктурі та інструментах машинного навчання, включаючи Databricks, Spark, Flink, AWS SageMaker, S3, EC2, Step Functions та Git.
• Досвід роботи з зберіганням даних, завантаженням та перетворенням, включаючи оркестрацію робочих процесів машинного навчання.
• Пристрасть до розробки чистого, зручного для