工作內容:
1. 保險風控全周期建模
保前:基于聯(lián)邦學習構建客戶分群模型,融合多方數據實現動態(tài)定價與風險篩選;
保中:通過車載傳感器時序數據研發(fā)實時事故預測引擎,支持毫秒級風險干預;
保后:結合知識圖譜與多模態(tài)數據構建欺詐檢測網絡,挖掘團伙作案關聯(lián)鏈。
2. 金融風控模型共建
與銀行合作通過圖神經網絡建模供應鏈關系,預測企業(yè)營收與違約概率;
構建宏觀經濟指標與微觀企業(yè)數據的時空關聯(lián)模型,預判區(qū)域性經營風險。
3. 安全培訓智能推薦
基于駕駛員行為數據開發(fā)個性化推薦算法,采用強化學習動態(tài)優(yōu)化培訓路徑;
通過A/B測試迭代模型,提升安全駕駛行為與安全培訓轉化率。
4. 信用體系與大數據平臺
設計多源異構數據融合的信用評分卡模型,整合交易、消費、履約等弱關聯(lián)數據;
搭建大數據平臺,實現實時特征計算與離線倉庫融合,支持向量數據庫(Milvus)加速相似風險檢索。
核心技能要求:
1.深度學習框架與算法:精通TensorFlow、PyTorch、Caffe等框架,熟悉CNN、RNN/LSTM、Transformer、GAN、GNN等神經網絡架構,具備模型設計、優(yōu)化及工程化部署能力(如模型量化、剪枝、TensorRT/ONNX推理加速)。
2.數據處理與分析:熟練運用Java,能夠使用java進行數據處理、計算(只會python不行)
如果可以使用python,則需熟練調用基礎數據處理的包如pandas、numpy,會調用并為基礎的機器學習模型如svm、sklearn、隨機森林等調參的可作加分項,熟悉windows、linux的環(huán)境配置,熟悉Hadoop、Spark、Kafka、Flink等大數據技術,(只會spark-sql、hive的除外)。
3.計算機視覺與優(yōu)化:擅長物體檢測(車輛/行人/貨物)、圖像分割、視頻分析,熟悉OpenCV、CUDA加速及GPU計算,了解分布式訓練與高性能計算優(yōu)化。
4.物流場景應用:熟悉自動駕駛路徑規(guī)劃、車路協(xié)同、智能倉儲(如無人叉車/四向穿梭車調度)、需求預測、物流網絡優(yōu)化等場景,具備實際項目落地經驗(如跨省市自動駕駛貨車編隊、無人機配送航線設計)。