Adattudós – fizetési rendszerek

Stack

Feladatok

• ▹Gépi tanulási modellek tervezése, felépítése, üzembe állítása és karbantartása a fizetési teljesítmény és a működési hatékonyság javítására
• ▹AI-alapú képességek fejlesztése, például anomáliadetektálás, prediktív elemzés, intelligens útválasztás és automatizált döntéshozatal
• ▹A teljes adattudományi életciklus felelőssége, az adatfeltárástól a jellemzőmérnökségen és modellvalidáláson át az üzembe állításig és monitorozásig
• ▹Munka nagy méretű fizetési tranzakciós adatokkal, amelyek PSP-ktől, kártyaelfogadóktól és átjáróktól származnak
• ▹Együttműködés az adatmérnöki és backend csapatokkal skálázható adatfolyamatok, feature store-ok és modellkiszolgáló infrastruktúra kialakításában
• ▹A modellek teljesítményének, magyarázhatóságának és driftjének monitorozása a megbízható éles működés érdekében

Elvárások

• ▹Legalább 3 év tapasztalat adattudomány, gépi tanulás vagy alkalmazott AI területén
• ▹Erős Python-tudás, tapasztalat éles gépi tanulási megoldások fejlesztésében
• ▹Igazolt tapasztalat prediktív modellek fejlesztésében és karbantartásában anomáliadetektáláshoz, előrejelzéshez, optimalizáláshoz vagy kockázatkezeléshez
• ▹Tapasztalat a Pandas, NumPy, SciPy és gradiens-boosting keretrendszerek, például a LightGBM, XGBoost vagy CatBoost használatában
• ▹Erős statisztikai modellezési, előrejelzési és adatelemzési ismeretek
• ▹Tapasztalat SQL-lel és nagy méretű elemző adatbázisokkal

Előny

• ▹Tapasztalat a fizetési, fintech, csalásmegelőzési vagy pénzügyi szolgáltatási területen
• ▹Felsőfokú tudományos fokozat informatika, matematika, fizika, adattudomány vagy hasonló kvantitatív terület
• ▹Tapasztalat ClickHouse, DuckDB, Spark, Snowflake vagy hasonló elemző platformokkal

Soft skillek

A munkáltatóról

Az IXOPAY egy vállalati szintű, globális fizetési infrastruktúra-platform, amely fizetési orkesztrációt, fejlett tokenizációt és megfelelőségi eszközöket biztosít kereskedőknek és vállalatoknak világszerte.