研究型实习生-基于海量原始日志的端到端自动化风险表征学习研究

岗位职责

研究领域： 深度学习 项目简介： 当前风控业务高度依赖人工设计的统计类特征。这种重度依赖专家先验的特征工程模式正面临显著的业务瓶颈：一方面，策略团队耗费大量精力投入到繁琐的数据加工与衍生计算中，导致特征产出数量与研发效率严重受限；另一方面，随着黑产攻击手法的快速变异，固化的人工特征极易发生分布漂移，其有效性难以被实时监控与自动化维护。如何跳出传统“手工雕花”的局限，直接从海量、原始的交易与操作日志裸表中挖掘深层关联模式，构建不依赖人工干预的通用特征底座，是风控智能化演进必须攻克的核心命题。

任职要求

研究领域：

• 目前正在攻读计算机科学或相关STEM领域的学士,硕士或博士学位
• 具有一种或多种通用编程语言的经验,包括但不限于: Java,C/C ++ 、Python、JavaScript或Go
• 具有上述研究领域的相关经验,包括行业经验或作为参与实验室研究 优先录用：
• 对技术研究充满热情,具有产生新思想和创新的能力; 在自学,问题分析和解决方面表现出色
• 在国际会议上或核心期刊发表一份或多份出版物或论文
• 至少3个月的全职工作

特色标签

交易日志、分布偏移、原始日志、安全、操作日志、支付、数据挖掘、数据漂移、概念漂移、欺诈检测、深度学习、深度神经网络、特征学习、特征提取、特征构建、神经网络、表征学习、金融、风控、风控算法、风险控制、风险管理