Veri Bilimcisi

Hakkımızda
Hawk, yapay zeka destekli kara para aklamayı önleme ve dolandırıcılık tespit teknolojisinin lider sağlayıcısıdır. Dünya çapındaki bankalar ve ödeme sağlayıcıları, daha fazla suçu tespit ederken yanlış pozitifleri azaltarak verimliliği en üst düzeye çıkararak AML uyumluluğunun ve dolandırıcılığın önlenmesinin etkinliğini artırmak için Hawk'ın geleneksel kuralların ve açıklanabilir yapay zekanın güçlü kombinasyonunu kullanıyor. Çözümümüzle Kara Para Aklama, Dolandırıcılık veya terörizmin finansmanına karşı küresel mücadelede hayati bir rol oynuyoruz. Bireylere profesyonel olarak büyümeleri ve dünyada fark yaratmaları için fırsatlar sunarken, karşılıklı güven, destek ve tutkuya dayalı bir kültür sunuyoruz.

Misyonunuz
Hawk'ta bir Müşteri Veri Bilimcisi olarak, müşterilerimizin AML ve dolandırıcılık tespit modellerinin gerçekten kendileri için işe yaraması konusunda güvendiği kişisiniz: işlem modellerine göre ayarlanmış, düzenleyici kurumlara karşı savunulabilir ve kendi sayılarında etkili olduğu kanıtlanabilir. Merkezi bir veri bilimi işlevinden gelen destek bildirimleri duvarının arkasında değil, canlı hesaplarda doğrudan Müşteri Değer Ortaklarıyla birlikte çalışarak bölgesel müşteri ekibinin içinde oturuyorsunuz. Çalışmanız, model ve eşik ayarlamayı, algılama performansına ilişkin derin analitik incelemeyi ve tam olarak neyin iyileştirildiğini ve bunun nedenini gösteren, müşteriye yönelik bir anlatı oluşturmayı kapsar. Bunu daha önce müşterilerin önünde yaptınız ve bir dizüstü bilgisayarda iyi puan alan bir model ile gerçek bir araştırmacının iş yüküne dayanabilen bir model arasındaki farkı biliyorsunuz.

Temel Sorumluluklar

• Tespit modellerini ve eşiklerini her müşterinin canlı işlem verilerine göre ayarlayın ve optimize edin; tespit etkinliğini yalnızca karşılaştırmalı veri kümesine göre değil, hatalı pozitif yüke karşı da dengeleyin.

• Tespit performansını derinlemesine araştırın: gözden kaçan vakaları, uyarı kalitesini ve model sapmasını araştırın ve bulduklarınızı somut ayarlara veya konfigürasyon değişikliklerine dönüştürün.

• Teknik bulguları müşteriye dönük içgörüye dönüştürün: araştırmacının üretkenlik kazanımlarını, hatalı pozitif maliyet düşüşünü ve müşterinin uyumluluk ve risk liderliğinin fiilen kullandığı dilde tespit etkinliği iyileştirmelerini gösteren analizler oluşturun.

• Müşterilerle doğrudan odada oturun. Bulguları sunun, metodolojinizi müşterinin kendi veri bilimi veya uyumluluk ekibine savunun ve "model bunu neden yaptı?" sorusunu canlı olarak yanıtlayın.

• Hesap stratejisi konusunda bölgesel Müşteri Değer Ortaklarınızla yakın işbirliği içinde olun ve değer gerçekleştirmenin bir sonraki aşamasının veya yenileme görüşmesinin kilidini açmak için modelin nerede değişmesi gerektiğini bildirin.

• "Bu müşterinin yerel ayarlamaya ihtiyacı var" ile "bu, merkezi olarak düzeltilmesi gereken sistemik bir boşluktur" arasındaki farkı ayırarak kalıpları ve bulguları Hawk'ın daha geniş model ve ürün işlevlerine aktarın.

• Aldığınız ayarlama kararlarının düzenleyici savunulabilirliğine sahip olun. Müşterinin denetiminin veya düzenleyici incelemesinin geçerli olması için gerekçenizi belgeleyin.

• Model değişikliklerini yayınlanmadan önce doğrulama yönteminize titizlik katın: müşterinin uyumluluk duruşunu koruyan geriye dönük test, örnek inceleme ve imzalama disiplini.

Profiliniz

• 5-7 yıl boyunca müşteriyle yüz yüze çalışan, analiz sunan ve model kararlarını doğrudan müşterilere savunan bir veri bilimcisi olarak. Bu, dahili bir mühendislik veya ürün veri bilimi geçmişi değildir; Daha önce bir müşterinin masasının karşısına oturdunuz.

• AML, dolandırıcılık tespiti veya mali suç analitiği konusunda gerçek deneyim gereklidir. İşlem izlemeyi, tipolojileri ve yalnızca kafa karışıklığı matrisinde maliyetin ne kadar olduğunu değil, yanlış bir pozitifliğin araştırmacıya gerçekte ne kadara mal olduğunu anlıyorsunuz.

• Standart veri bilimi yığınında (Python, SQL ve üretimde kullandığınız her türlü makine öğrenimi araçları) güçlü uygulamalı beceriler, ancak belirsizlik karşısında üstünlüğünüz, bir model değişikliği yapmanın ne zaman güvenli olduğunu ve döngüde bir insana ihtiyaç duyulduğunu bilmek.

• Müşterinin risk, uyumluluk veya veri bilimi paydaşlarının olduğu bir odada teknik ses olmak ve sorgulandığında kendinizi savunmak rahattır.

• Model performansını teknik olmayan bir paydaşın üzerinde hareket edebileceği iş değerine dönüştürmeye ilişkin bir geçmiş performans: yalnızca doğruluk ölçümleri değil, aynı zamanda araştırmacının çalışma saatlerinden tasarruf edilir, yanlış pozitif maliyetten kaçınılır ve vakalar yakalanır.

• Belirsizlik ve canlı prodüksiyon sistemleriyle gerçek konfor. Temiz bir çevrimdışı araştırma sorunu aramıyorsunuz, "bu uyarı neden bugün saat 14:00'te gerçek bir müşterinin verileri üzerinde tetiklendi" sorununu arıyorsunuz.

• Sahiplik zihniyeti. Bilet beklemezsiniz; Bir hesabın tespit performansının değiştiğini fark edersiniz ve bunun nedenini öğrenirsiniz.

Bonus

• Bir bankada, ödeme sağlayıcısında veya onlara hizmet veren bir satıcıda özellikle işlem izleme veya ödeme dolandırıcılığının tespiti konusunda deneyim.

• Açıklanabilir yapay zeka ve kurallara dayalı hibrit algılama yaklaşımlarına aşinalık, zira Hawk'ın modellerinin işleyişinin temeli budur.

Arbeitnow'da Almanya'da daha fazla İngilizce Konuşma İşi bul

Kaynak: Arbeitnow (https://www.arbeitnow.com/jobs/companies/hawk/data-scientist-munich-358174)