作为商业与投资银行的一部分，摩根大通支付帮助各种规模的组织高效且安全地执行交易，改变信息、资金和资产的流动。我们在支付生命周期的每个阶段应对复杂挑战，我们行业领先的解决方案促进了跨国界、行业和平台的无缝交易。我们在超过160个国家运营，处理超过120种货币，是最大的美元支付处理商，日交易量达10万亿美元。
作为我们支付解决方案团队的应用AI/ML科学家助理，您将在利用人工智能和机器学习技术增强我们的支付解决方案和推动业务扩展方面发挥重要作用。您的职责包括研究、实验、开发和将高质量的机器学习模型、服务和平台转化为生产，以简化支付流程、加强欺诈检测和丰富客户体验。您还将负责设计和执行高度可扩展且可靠的数据处理管道，进行分析并得出洞察，以提升和优化业务成果。与跨职能团队合作，您将识别支付生态系统中AI/ML应用的机会。
工作职责：
- 积极与产品、技术和其他跨职能团队合作，深入了解复杂的业务问题，并制定数据驱动的解决方案，以解决支付领域的关键挑战。
- 设计、开发和部署符合业务目标的成功指标的机器学习和AI解决方案，同时考虑模型复杂性、可扩展性和延迟等限制。
- 与风险和合规团队合作，确保全面的模型文档，跟踪性能指标，并保持对监管合规标准的遵守。
- 将模型结果转化为业务影响指标，并向高级管理层和利益相关者传达复杂概念。
所需资格、能力和技能：
- 拥有定量学科（如计算机科学、数据科学、数学/统计学或运筹学）的硕士学位，至少有2年的行业经验。需要具备Shell脚本、Jupyter notebook/Lab、SQL、PySpark和AWS云服务的经验。
- 2年以上在AWS EMR上进行大规模数据处理的实际经验，构建稳健的批量特征存储（离线/在线管道、模式治理、回填、可重现性），并协调SageMaker训练、管道和模型注册以进行生产ML。
- 精通Python，具有机器学习和深度学习框架（如TensorFlow、PyTorch）和库（如NumPy、Scikit-Learn、Pandas）的实际经验。需要具备Jupyter Notebook/Lab的经验。
- 1年以上自然语言处理（NLP）或大型语言模型（LLM）、AgenticAI的广泛经验，以及3年以上其他机器学习技术（包括分类、回归算法）的广泛经验。
- 对机器学习、AI和神经网络的算法有扎实的理解，包括大型语言模型（LLM）和生成式AI，并熟悉这些领域的最新实践和进展。
- 精通基础和高级探索性数据分析（EDA），理解不同方法的局限性和影响。
- 能够为项目设定分析方向，将模糊的业务问题转化为结构化的分析计划。您具备强大的认知和沟通能力，表现为清晰和清晰的表达。您擅长识别核心问题，将混乱变为有序，综合洞察并推动果断的结果。
优先资格、能力和技能：
- 在金融服务行业的经验，特别是在投资银行业务运营方面。
- 云计算：亚马逊网络服务、Azure、Docker、Kubernetes、DataBricks、Snowflakes。
- 支付中的信任与安全（T&S）欺诈经验，设计和部署用于账户接管、交易欺诈、促销滥用的ML模型。
