风控算法工程师（AI智能风控方向）

优缺点分析

角色解读

• 在专业领域内深耕，从风控算法工程师成长为风控算法专家，主导复杂风控体系的架构设计
• 横向拓展，结合大模型等AI技术，向AI应用架构师或技术负责人方向发展，负责更广泛的智能风控产品
• 纵向晋升，从个人贡献者转向技术管理岗位，带领团队负责某一业务线的风控算法策略
• 负责小米零售、服务、整车等业务的风险识别，通过数据分析、特征挖掘和模型构建来应对反黄牛、反欺诈、反作弊等问题
• 开发和迭代风控模型，包括样本构建、特征工程、模型训练、评估和监控，并对模型的准确率、召回率等核心指标负责
• 探索大模型、Agent、RAG等AI技术在风控领域的应用，以提升风险发现、策略生成和客诉处置等环节的智能化水平
• 深入业务一线，与业务、产品、研发团队协作，将业务风险问题转化为可落地的算法和策略方案
• 熟练掌握Python和SQL，具备扎实的数据处理、分析和算法开发能力
• 熟悉常用机器学习算法、特征工程和模型评估方法，有实际建模经验
• 了解大模型、Agent、RAG、AI工作流等前沿技术，并有实际项目经验者优先
• 具备良好的业务敏感度、逻辑思维和沟通协作能力，能够深入理解业务并推动方案落地

申请策略

• 在申请前，了解小米在零售、汽车等业务的最新动态，在面试中展现你对业务的思考
• 准备一个你主导的风控项目案例，完整讲述从问题定义、方案设计到落地评估的全过程
• 突出风控、反欺诈、反作弊相关的项目经验，详细描述你在特征工程、模型选择和效果优化上的具体贡献
• 强调大模型、Agent、RAG等AI应用的实际项目经验，展示你对前沿技术的应用能力
• 在简历中体现你的业务敏感度，例如如何从数据异常中发现风险点，并推动策略落地
• 量化你的工作成果，如模型准确率提升、误伤率降低等，用数据证明你的价值
• 系统学习大模型应用开发，特别是Agent、RAG、AI工作流的设计与实现，并尝试在风控场景中应用
• 补充图算法、异常检测等风控领域常用算法的理论知识，并尝试在项目中实践

面试指南

• 回答项目经验时，采用STAR法则（情境、任务、行动、结果），突出你的个人贡献和量化成果
• 回答技术问题时，先阐述基本原理，再结合项目经验说明如何应用，并指出其中的难点和解决方案
• 回答业务问题时，展现你的逻辑思维和业务敏感度，从流程、数据、用户行为等多角度分析，并提出可落地的方案
• 请介绍一个你负责的风控项目，包括业务背景、技术方案和最终效果
• 如何评估一个风控模型的好坏？你会关注哪些指标？
• 在风控场景中，如何处理样本不均衡问题？
• 你如何理解大模型在风控领域的应用？请举例说明
• 当业务方提出一个模糊的风险问题，你会如何推进？