资深算法工程师

优缺点分析

角色解读

• 深入研究金融风控与增长算法，成为该领域专家
• 向技术管理方向发展，带领团队解决更复杂的业务问题
• 结合大模型等前沿技术，拓展到AI Agent或智能决策方向
• 设计并优化金融信贷场景的用户增长模型，如拉新促活、额度定价策略
• 开发用户权益敏感度、响应率、LTV预测等模型，并落地应用于业务
• 构建海外信贷特征体系和用户画像，整合内外部数据提升识别能力
• 探索因果推断、大模型等前沿技术，推动算法在信贷领域的创新应用
• 扎实的机器学习、深度学习理论基础，熟悉因果推断方法
• 熟练使用Python/Java/Scala及SQL/Hive/Spark等大数据工具
• 能将业务问题拆解为技术问题，具备优秀的问题解决能力
• 抗压能力强，自驱主动，良好的沟通与团队协作精神

申请策略

• 在简历中量化模型效果，如提升转化率、降低坏账率等
• 准备1-2个完整的技术案例，展示从问题拆解到落地全过程
• 突出信贷风控、用户增长或定价相关的模型项目经验
• 展示因果推断、UPLIFT等具体算法应用案例及效果
• 强调大数据处理能力（Spark、Hive）和编程语言熟练度
• 如有论文或专利，突出在顶级会议上的发表经历
• 补充因果推断理论与实践，可参考相关课程或论文
• 学习大模型应用，如GPT/LLM在信贷场景的落地方式

面试指南

• 使用STAR法则（情境-任务-行动-结果）结构化回答项目经验
• 先阐述业务问题，再提出技术方案，强调权衡与落地细节
• 结合具体指标（如AUC、NDCG、业务转化率）说明模型效果
• 请介绍一个你负责的因果推断项目，如何评估 uplift 模型效果？
• 如何设计一个用户额度定价模型？需要考虑哪些因素？
• 在特征工程中，如何处理大规模稀疏数据？
• 如果使用大模型进行信贷用户画像，你会如何设计？
• 如何衡量用户增长模型的 ROI？