岗位职责
- 特征体系建设：负责金融风控场景（反欺诈、信用评估、贷中监控、贷后催收等）下的特征挖掘与特征工程体系搭建，持续沉淀可复用的特征资产；
- 算法研究与落地：结合图学习、序列建模、迁移学习、小样本学习、无监督/自监督学习等方法，从海量多源异构数据（交易、行为、关系、文本、设备等）中挖掘高价值风险特征；
- LLM × 特征工程：探索大模型与 Agent 工作流在特征自动化生成、特征语义理解、特征筛选与解释性分析中的落地应用，推动”特征挖掘智能体”建设；
- 效果优化：与策略、建模、工程团队紧密协作，将特征应用于线上模型与规则，持续优化 KS、AUC、召回率等核心业务指标；
- 团队协同：参与技术方案评审，指导初级工程师与实习生，推动团队整体特征挖掘能力沉淀与复用。
职位要求
- 学历背景：硕士及以上学历，计算机、运筹学、数学、统计学、金融工程等相关专业；
- 行业经验：3年以上机器学习/数据挖掘相关工作经验，具备金融风控、反欺诈、信贷、支付等业务方向的实际落地经验；
- 算法能力：深入理解特征挖掘与特征工程方法论，熟悉特征构造、特征选择、特征评估、特征监控的完整链路；
- 熟练掌握至少两项：图学习（GNN/GraphSAGE/异构图等）、序列异常检测、迁移学习、小样本学习、元学习、自监督/对比学习、因果推断；熟悉 LLM / Multi-Agent 工作流（如 Claude Code、AutoGen、LangGraph 等）在特征挖掘场景下的应用；
- 工程能力：熟练掌握 Python、SQL、PySpark 中至少两项，具备处理亿级数据的实战经验；熟练掌握 PyTorch / TensorFlow 至少一个深度学习框架；熟悉 Hadoop / Spark / Flink 等大数据生态；有特征平台 / 特征商店（Feature Store）建设或使用经验；
- 语言能力：具备良好的英文读写及口语沟通能力，能够使用英文进行技术交流、方案讨论及跨国团队协作；
- 综合素质：较强的逻辑分析与数学建模能力；良好的团队合作精神，能做到优秀、严谨、乐观；具备较强的业务理解力与跨团队沟通能力；对金融信贷、人工智能领域有强烈求知欲和热情。
