基础算法（支付风控）

1、基于历史数据和专家经验进行系统性研究分析，开发、挖掘对风险预测模型有价值的交易、用户行为等相关特征，设计针对盗用、欺诈、作弊等风险的安全策略，并持续优化。
2，持续监控和评估现有风险模型的性能，根据业务变化、数据特征以及市场反馈，及时优化模型参数和算法，以适应不断变化的风险环境，提高模型的预测能力和稳定性。
3，与支付&风控团队紧密合作，将风险控制要求融入风控产品设计中，在保障用户体验的前提下，最大程度降低支付风险，与技术团队协作，确保风险模型的高效部署和运行，解决模型实施过程中的技术难题。
4，定期生成风险模型稳定性及风险分析报告，向管理层和相关部门汇报风险状况、模型表现以及风险趋势预测。
5，利用机器学习、深度学习等先进技术，探索创新的风险建模方法，引入新的数据维度和特征，提升风险模型的精准度和竞争力。

1，硕士及以上学历，数学、统计学、计算机科学、金融工程等相关专业。
2，具有3年以上海外支付风险模型开发、数据分析或风险控制相关工作经验，有成功构建和优化风险模型的项目经验。
3，熟悉海外支付市场，特别是欧美、东南亚、非洲等地区的支付业务和风险特点者优先。
4，精通常见的支付风控算法，如逻辑回归、决策树、随机森林、支持向量机等传统机器学习算法，以及深度学习算法（如卷积神经网络、循环神经网络等）在风险模型中的应用。熟练掌握模型评估指标（如准确率、召回率、F1 值、AUC 等），并能根据业务需求合理选择和优化模型。
5，熟练掌握数据分析工具，如 Python（pandas、numpy、scikit - learn 等）、R 语言，具备强大的数据处理、建模和分析能力。熟悉大数据处理框架（如 Hadoop、Spark），能够处理海量支付数据。
6，有较强的工程能力，熟悉基本数据结构、操作系统以及编程语言特性，熟练使用 sql、python、pytorch等
7，拥有良好的沟通能力和团队协作精神，能够与不同背景的人员进行有效的沟通和协作，推动跨部门项目的顺利开展。