哈啰出行
风控算法实习生
风控算法实习生
发布于 3 小时前实习/见习
实习生仅现场办公风控策略
风控策略
Agent开发
Ai大模型
Pyspark
Pytorch
Sql
机器学习
深度学习
风控算法
值不值得投
70综合评分
综合评分 70
技术栈前沿、大厂背书、重技能成长，但工作强度较高、稳定性有限
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便比较实习机会。
薪资怎么样
参考估算薪资
根据职位描述推断，供对比参考
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 440 个在招
职位详情
关于这个职位
作为哈啰出行的风控算法实习生，你将协助团队处理海量数据并进行特征工程，构建高质量的数据底座
同时，利用机器学习、深度学习及AI大模型技术，支持租车、金融等核心业务场景的风控建模与迭代优化
最低要求
熟练使用SQL进行数据查询与处理
熟练使用Python编程语言
熟练使用PySpark进行大数据处理
熟悉机器学习核心算法（如逻辑回归、决策树、集成学习等）
了解深度学习，熟悉PyTorch等深度学习框架
熟悉主流AI大模型架构，熟悉Transformer等架构
熟悉前沿AI大模型运用，熟悉Agent项目开发落地
实习期需保证4个月以上，每周至少出勤4天
工作职责
数据处理与特征工程：协助完成风控等场景下的海量数据清洗、标注与预处理，参与特征提取、筛选与优化，构建高质量的建模数据底座，支持全场景模型迭代
算法建模辅助：运用机器学习、深度学习、AI大模型等技术，服务在租车、金融等业务场景
优先资格
具备金融风控信用风险模型项目经验者优先
AI 洞察
优缺点分析
优点
- 接触海量真实业务数据，积累丰富的特征工程经验
- 对风控领域感兴趣，具备扎实编程基础且希望快速提升AI实战能力的在校生
缺点 / 挑战
- 需要同时掌握传统机器学习与大模型前沿技术，知识跨度较大，学习压力较高
角色解读
- 从数据预处理和特征工程入手，逐步深入参与风控模型构建，未来可向高级算法工程师、风控专家或AI应用研究员方向发展
- 负责风控场景下的数据清洗、标注及特征工程，为模型提供高质量数据基础
- 掌握Python、SQL、PySpark等数据处理工具
- 熟悉机器学习算法及PyTorch框架
- 了解Transformer架构及AI大模型应用
申请策略
- 强调对金融风控业务的理解，若有相关项目经验务必重点描述
- 突出Python、SQL、PySpark的技能熟练度，展示相关的机器学习或深度学习项目经历
- 复习机器学习经典算法原理，补充Transformer架构及Agent开发的相关知识
面试指南
- 采用STAR法则（情境、任务、行动、结果）描述项目经历，重点突出技术选型理由、遇到的难点及解决方案
- 请介绍一个你使用PySpark处理大规模数据的案例
- 简述逻辑回归与决策树的区别及适用场景
- 你对Transformer架构有哪些理解？它在NLP中的应用是什么？
- 如何评估一个风控模型的效果？
- 准备1-2个完整的机器学习项目案例，梳理数据预处理、特征工程、模型训练及评估的全流程
职位点评
薪资福利65
成长发展85
工作生活50
使命价值70
薪资福利
65中等
作为大厂实习生，薪资处于市场中上水平，但实习性质决定了其长期稳定性较低，福利体系不如正式员工完善。
薪资信号未披露（AI估算：0.2–0.3千/月）
成长发展
85较高
职位涉及前沿AI大模型与Agent开发，技术栈先进，能显著提升求职者的算法实战能力和行业竞争力。
技术前沿前沿/新兴技术
技术栈Python、SQL、PySpark、Machine Learning、Deep Learning、PyTorch、Transformer、AI Large Models、Agent
业务类型profit_center
工作生活
50较低
实习岗位要求每周至少4天出勤，工作强度可能较高，且未提及弹性工作制，WLB一般。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
70中等
服务于租车和金融业务，通过风控保障平台安全，具有一定的社会价值和业务意义。
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs