高级风控算法工程师 - 机器学习

该职位来源于猎聘 岗位定位 我们正在寻找一位具备 5-7 年经验的风控算法模型专家，负责搭建和优化面向金融交易场景的机器学习风控模型。 该岗位需要结合用户行为数据、交易数据、资金数据和金融时间序列数据，识别异常交易、欺诈风险、资金风险、账户风险及潜在业务风险，并推动模型在真实业务系统中落地。 岗位职责

• 负责风控算法模型的设计、开发、训练、验证和上线，包括异常检测、风险评分、欺诈识别、用户分层、交易行为监控等方向。
• 基于用户行为、交易记录、入出金数据、市场行情、金融时间序列等数据，构建特征体系和模型框架。
• 使用机器学习、深度学习、统计建模等方法，提升风险识别准确率、召回率和模型稳定性。
• 搭建企业级风控模型流程，包括数据处理、特征工程、模型训练、模型评估、上线部署、监控和迭代。
• 与产品、风控、数据工程、后端开发及业务团队协作，将模型结果接入实际风控策略和业务流程。
• 持续监控模型表现，分析模型漂移、误报、漏报和异常波动，并推动模型优化。
• 参与 MLOps 流程建设，提升模型开发、部署、监控和回滚的标准化与自动化能力。 任职要求
• 5-7 年数据科学、机器学习、风控算法或量化建模相关经验，有企业级机器学习模型落地经验。
• 熟练使用 Python，熟悉 Pandas、NumPy、Scikit-learn、PyTorch 等常用数据分析和机器学习工具包。
• 熟练使用 SQL，能够独立完成复杂数据提取、清洗、特征构建和数据验证。
• 具备扎实的机器学习和统计分析能力，熟悉分类、回归、聚类、异常检测、时间序列建模等方法。
• 熟悉金融时间序列数据分析，能理解行情波动、交易行为、资金流向等金融数据特征。
• 有较强的模型评估能力，熟悉 AUC、KS、Precision、Recall、F1、Lift、稳定性监控等指标。
• 熟悉 MLOps，了解模型上线、版本管理、模型监控、特征管理、自动化训练和部署流程。
• 具备良好的业务理解能力，能够将复杂风控问题拆解为可建模、可验证、可落地的算法方案。 加分项
• 有金融科技、交易平台、券商、支付、反欺诈、反洗钱、信用风控、量化交易或风险管理经验。
• 有实时风控、异常交易识别、资金风险监控、账户风险评分、用户行为建模经验。
• 熟悉金融交易场景，如入金、出金、交易行为、持仓、杠杆、滑点、返佣、代理体系等。
• 有大规模数据处理经验，熟悉 Spark、Airflow、Kafka、Feature Store、Docker、Kubernetes 等工具优先。
• 有模型从 0 到 1 搭建并成功上线的经验，能独立推动模型从实验走向生产。
• 英文能力良好，能阅读英文技术文档，并支持跨团队沟通。

我们希望你是这样的人：

你不是传统意义上只等需求、写代码、交付任务的研发。

我们希望你：

对新技术和新工具敏感；

愿意主动使用 AI 提升效率；

能用成熟组件和平台能力解决问题；

关注产品体验和真实用户价值；

能在小团队里快速推进、快速上线、快速复盘；

希望把一个传统 broker 系统，升级成真正以交易者为中心的全球化交易平台。