职位详情

职位列表 链接有效 不适用(官网全量采集) official:xiaomi:7677872157108685066

风控算法工程师(AI智能风控方向)

未披露 · 北京 · 小米集团

主分类:搜索推荐与业务决策算法研发
算法与数据
来源 JD 数据(旧分类保留,当前主分类见上方)
{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "风控算法工程师(AI智能风控方向)",
        "job_level": "未披露",AI生成
        "work_category": "全职",AI生成
        "department": "未披露",
        "location": "北京",
        "work_mode": "未披露",AI生成
        "job_category": "算法研发"AI生成
    },
    "company": {
        "company_name": "小米集团",
        "company_industry": "消费电子 / 智能制造 / 物联网",
        "company_size": "10000人以上",
        "company_website": "xiaomi.com",
        "company_description": "小米是一家消费电子和智能制造企业,以智能手机、智能硬件和物联网平台为核心。"
    },
    "compensation": {
        "salary_range": {
            "min": "",
            "max": "",
            "currency": "未披露",
            "cycle": "未披露"
        },
        "benefits": "未披露"
    },
    "requirements": {
        "working_years": "",
        "degree": "未披露",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "1.参与集团零售、服务、整车等业务场景的风险识别与算法能力建设,围绕反黄牛、反欺诈、反作弊、反爬虫等问题,完成数据分析、特征挖掘、模型及策略设计。\n2.负责风控模型的开发和迭代,包括样本及标签构建、特征工程、模型训练、离线评估、上线验证、效果监控和持续优化,对模型的准确率、召回率、误伤率及业务效果负责。\n3.参与大模型及AI技术在风控领域的应用,结合Agent、RAG、AI工作流等技术,探索风险发现、数据分析、策略生成、效果评估和客诉处置等场景的智能化与效率提升。\n4.深入理解业务流程,主动与业务、产品和研发同学沟通,识别业务流程中的风险点,并将风险问题转化为可落地、可评估的算法和策略方案。\n5.参与风控标签、特征及模型能力的沉淀,推动相关能力在不同业务场景中复用。",
        "requirements_text": "1.熟练使用Python和SQL,具备良好的数据处理、离线分析及算法开发能力;熟悉常用机器学习算法、特征工程和模型评估方法。\n2.了解大模型及AI应用相关技术,有实际项目经验;有Agent、RAG、AI工作流、大模型应用或相关开发经验者优先。\n3.具备较强的业务敏感度和风险意识,能够从业务流程、数据异常和用户行为中发现潜在问题,并形成自己的分析和判断。\n4.具备良好的沟通和协作能力,愿意深入业务一线,与业务、产品和研发共同讨论问题、设计方案并推动落地。\n5.具备优秀的逻辑思维、学习能力和责任心,对反欺诈、反作弊、图算法、异常检测等方向有实践经验者优先。",
        "skills": [AI生成
            "Python",
            "SQL",
            "机器学习",
            "逻辑思维",
            "学习能力",
            "大语言模型",
            "检索增强生成"
        ],
        "preferred_qualifications": "有Agent、RAG、AI工作流、大模型应用或相关开发经验者优先;5.具备优秀的逻辑思维、学习能力和责任心,对反欺诈、反作弊、图算法、异常检测等方向有实践经验者优先",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://xiaomi.jobs.f.mioffice.cn/index/m/position/7677872157108685066/detail"
            }
        ]
    },
    "posting": {
        "posting_id": "7677872157108685066",
        "post_date": "2026-08-25",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://xiaomi.jobs.f.mioffice.cn/index/m/position/7677872157108685066/detail"
    },
    "fulltext": "风控算法工程师(AI智能风控方向)\n职位描述\n1.参与集团零售、服务、整车等业务场景的风险识别与算法能力建设,围绕反黄牛、反欺诈、反作弊、反爬虫等问题,完成数据分析、特征挖掘、模型及策略设计。\n2.负责风控模型的开发和迭代,包括样本及标签构建、特征工程、模型训练、离线评估、上线验证、效果监控和持续优化,对模型的准确率、召回率、误伤率及业务效果负责。\n3.参与大模型及AI技术在风控领域的应用,结合Agent、RAG、AI工作流等技术,探索风险发现、数据分析、策略生成、效果评估和客诉处置等场景的智能化与效率提升。\n4.深入理解业务流程,主动与业务、产品和研发同学沟通,识别业务流程中的风险点,并将风险问题转化为可落地、可评估的算法和策略方案。\n5.参与风控标签、特征及模型能力的沉淀,推动相关能力在不同业务场景中复用。\n\n职位要求\n1.熟练使用Python和SQL,具备良好的数据处理、离线分析及算法开发能力;熟悉常用机器学习算法、特征工程和模型评估方法。\n2.了解大模型及AI应用相关技术,有实际项目经验;有Agent、RAG、AI工作流、大模型应用或相关开发经验者优先。\n3.具备较强的业务敏感度和风险意识,能够从业务流程、数据异常和用户行为中发现潜在问题,并形成自己的分析和判断。\n4.具备良好的沟通和协作能力,愿意深入业务一线,与业务、产品和研发共同讨论问题、设计方案并推动落地。\n5.具备优秀的逻辑思维、学习能力和责任心,对反欺诈、反作弊、图算法、异常检测等方向有实践经验者优先。\n1.参与集团零售、服务、整车等业务场景的风险识别与算法能力建设,围绕反黄牛、反欺诈、反作弊、反爬虫等问题,完成数据分析、特征挖掘、模型及策略设计。\n2.负责风控模型的开发和迭代,包括样本及标签构建、特征工程、模型训练、离线评估、上线验证、效果监控和持续优化,对模型的准确率、召回率、误伤率及业务效果负责。\n3.参与大模型及AI技术在风控领域的应用,结合Agent、RAG、AI工作流等技术,探索风险发现、数据分析、策略生成、效果评估和客诉处置等场景的智能化与效率提升。\n4.深入理解业务流程,主动与业务、产品和研发同学沟通,识别业务流程中的风险点,并将风险问题转化为可落地、可评估的算法和策略方案。\n5.参与风控标签、特征及模型能力的沉淀,推动相关能力在不同业务场景中复用。\n1.熟练使用Python和SQL,具备良好的数据处理、离线分析及算法开发能力;熟悉常用机器学习算法、特征工程和模型评估方法。\n2.了解大模型及AI应用相关技术,有实际项目经验;有Agent、RAG、AI工作流、大模型应用或相关开发经验者优先。\n3.具备较强的业务敏感度和风险意识,能够从业务流程、数据异常和用户行为中发现潜在问题,并形成自己的分析和判断。\n4.具备良好的沟通和协作能力,愿意深入业务一线,与业务、产品和研发共同讨论问题、设计方案并推动落地。\n5.具备优秀的逻辑思维、学习能力和责任心,对反欺诈、反作弊、图算法、异常检测等方向有实践经验者优先。",
    "standard_classification": {
        "std_category_code": "T011",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}