ما در پرداخت الکترونیک پاسارگاد با تکیه بر سرمایه انسانی خلاق و نوآور و بهرهگیری از دانش روز و فناوریهای نوین، در مسیر خلق زیستبوم دیجیتالی امن و پیشرو در حوزه پرداخت گام برمیداریم. اگر شما هم به مسئولیتپذیری، رشد مستمر، نوآوری و خلق ارزش در یک محیط پویا باور دارید، خوشحال میشویم همراه ما باشید.
مسئولیتها و وظایف کلیدی
- تعریف مسائل کسبوکاری در قالب سؤالهای دادهمحور و تعیین معیار موفقیت و baseline پیش از آغاز پروژه
- طراحی، توسعه، ارزیابی و استقرار مدلهای تشخیص تقلب و ناهنجاری روی دادهی تراکنشی
- تعیین آستانهی تصمیمگیری با در نظر گرفتن هزینهی خطاهای مثبت و منفی کاذب
- نگهداری و پایش مدلها در محیط عملیاتی و بازآموزی آنها در برابر تغییر الگوی رفتار متقلبان
- سنجش اثر واقعی پروژهها بر کسبوکار، فراتر از دقت مدل
- مشارکت در code review و model review و ارتقای استانداردهای فنی تیم
مهارتها و دانش مورد نیاز
- تسلط بر Python و کتابخانههای تحلیل و مدلسازی (pandas/polars، scikit-learn، XGBoost/LightGBM) و توانایی نوشتن کدی تمیز، صحیح و بهینه
- تسلط بر SQL شامل کوئریهای پیچیده، توابع پنجرهای (window function) و بهینهسازی کوئری روی حجم بالای داده
- درک عمیق مبانی یادگیری آماری، شامل رگولاریزیشن، bias-variance، مدلهای درختی و ensemble، و توانایی توجیه انتخاب مدل
- تجربهی کار با دادهی بهشدت نامتوازن و استفاده از معیارهای مناسب (precision-recall، هزینهمحور) بهجای accuracy
- تجربهی استقرار و نگهداری مدل شامل Docker، CI/CD، Airflow یا ابزارهای مشابه، بههمراه مانیتورینگ و تشخیص drift
- دارای روحیه کار تیمی
- دارای روحیه حل مسئله
* موارد زیر مزیت محسوب می شود:
- • تجربه در حوزهی پرداخت، بانکداری یا تشخیص تقلب
- • تجربهی تحلیل گراف (شبکهی تراکنشها و شناسایی الگوهای مشکوک)
- • تجربهی کار با سری زمانی (پیشبینی حجم تراکنش و تشخیص الگوی غیرعادی)
- • تجربه با ابزارهای پردازش دادهی حجیم (Spark، ClickHouse یا مشابه)
- • تجربه در تحلیل رفتار پذیرندگان و مشتریان (سگمنتبندی، churn)
- • آشنایی با ملاحظات امنیت و حریم خصوصی دادهی مالی
- • تجربهی طراحی آزمایش (A/B test)، ارزیابی آفلاین و shadow deployment
- • تسلط بر ساختمان داده و الگوریتم