海外风控模型实习生

1.协助导师/正式员工负责墨西哥海外现金贷业务风控模型体系建设，参与用户全生命周期风险模型的开发、验证与迭代工作，涵盖反欺诈模型、申请评分卡（A卡）、行为评分卡（B卡）等核心风控模型，跟进模型从开发到落地的完整流程。

2.针对海外市场征信数据稀疏、传统数据缺失的行业痛点，协助开展多维度另类数据挖掘分析，基于设备信息、APP行为、用户轨迹、运营商数据等进行数据清洗、特征筛选、特征组合与特征工程开发，辅助提升风控模型的区分度与泛化能力。

3.深度参与海外市场用户画像、区域风险特征研究，协助完成通用风控模型的本地化调优、适配与效果验证；配合技术、策略团队完成模型测试、联调与灰度上线，保障模型稳定、高效落地业务。

4.跟进机器学习、深度学习前沿算法（GNN、Transformer、树模型进阶算法等），协助开展算法调研、实验复现与小样本测试，尝试应用于海外团伙欺诈识别、样本不均衡、小样本建模等业务难点，输出实验报告与优化方案。

5.协助搭建海外多市场、多产品的模型性能监控体系，定期统计追踪KS、Gini、PSI等核心模型指标，监测模型性能衰退、漂移问题；协助完成数据归因分析、效果复盘，输出模型优化建议，支撑模型迭代升级。

1、学历背景：要28届及以后实习生 硕士及以上学历，统计学、计算机、数学、物理学等理工科专业背景。

2、有风险建模经验，具备海外现金贷风控建模项目经验者优先。

有处理和应用另类数据（设备、行为等）进行建模的成功案例者优先。

3、技术能力：精通 Python/R，熟练掌握Pandas、Scikit-learn、XGBoost/LightGBM、TensorFlow/PyTorch等数据科学和机器学习框架。

精通 SQL，有大数据环境（Hive/Spark）下的数据处理和特征开发经验。

对各类机器学习算法有扎实的理论基础和丰富的实践经验。

4、关键素质：具备极强的从0到1的探索精神和学习能力，能够主动研究和应用新技术。逻辑严谨，数据驱动，能够独立解决复杂问题。