工作內(nèi)容:
1. 保險風(fēng)控全周期建模
保前:基于聯(lián)邦學(xué)習(xí)構(gòu)建客戶分群模型,融合多方數(shù)據(jù)實現(xiàn)動態(tài)定價與風(fēng)險篩選;
保中:通過車載傳感器時序數(shù)據(jù)研發(fā)實時事故預(yù)測引擎,支持毫秒級風(fēng)險干預(yù);
保后:結(jié)合知識圖譜與多模態(tài)數(shù)據(jù)構(gòu)建欺詐檢測網(wǎng)絡(luò),挖掘團伙作案關(guān)聯(lián)鏈。
2. 金融風(fēng)控模型共建
與銀行合作通過圖神經(jīng)網(wǎng)絡(luò)建模供應(yīng)鏈關(guān)系,預(yù)測企業(yè)營收與違約概率;
構(gòu)建宏觀經(jīng)濟指標(biāo)與微觀企業(yè)數(shù)據(jù)的時空關(guān)聯(lián)模型,預(yù)判區(qū)域性經(jīng)營風(fēng)險。
3. 安全培訓(xùn)智能推薦
基于駕駛員行為數(shù)據(jù)開發(fā)個性化推薦算法,采用強化學(xué)習(xí)動態(tài)優(yōu)化培訓(xùn)路徑;
通過A/B測試迭代模型,提升安全駕駛行為與安全培訓(xùn)轉(zhuǎn)化率。
4. 信用體系與大數(shù)據(jù)平臺
設(shè)計多源異構(gòu)數(shù)據(jù)融合的信用評分卡模型,整合交易、消費、履約等弱關(guān)聯(lián)數(shù)據(jù);
搭建大數(shù)據(jù)平臺,實現(xiàn)實時特征計算與離線倉庫融合,支持向量數(shù)據(jù)庫(Milvus)加速相似風(fēng)險檢索。
崗位要求:
1.熟悉 Python 編程,能用常用 AI 庫(如 PyTorch、TensorFlow);
2.機器學(xué)習(xí)基礎(chǔ):回歸、分類、決策樹、隨機森林等;
3.深度學(xué)習(xí)基礎(chǔ):CNN、RNN、Transformer 等常用模型;
4.計算機視覺:圖像分類、目標(biāo)檢測、簡單的視頻分析;
5.自然語言處理:文本分類、序列處理;
6.基本的數(shù)據(jù)處理能力:數(shù)據(jù)清洗、特征處理、模型訓(xùn)練與評估;
7.有微調(diào)經(jīng)驗;用過 OpenAI/Claude 等 API 的組合調(diào)用;
8.用大模型做實際功能:知識庫問答、文本分類、摘要、結(jié)構(gòu)化抽取等。