反作弊工程师
相关职位简介
- 来源:锐仕方达(北京)人力资源顾问有限公司大连分公司
反作弊工程师
岗位职责1.负责用户画像的算法设计,以及基于业务场景的策略或者系统输出2.负责反作弊体系的优化3.负责为BU提供数据挖掘解决方案及系统实现任职要求1.计算机相关专业硕士及以上学历,2年以上互联网行业开发经验2.扎实的算法和数据结构基础,至少熟练掌握Java/python/Scala其中一种编程语言3.熟练掌握Hadoop/Hive/Impala/Spark/MPI等框架的使用4.熟悉Tenorflow/Kera/Caffe/Theano/Torch等框架的使用5.熟悉常用的机器学习算法原理,包括但不限于LR/RF/GBDT/SVM/CNN/RNN等
所需技能: 深度学习算法、反作弊、反欺诈、机器学习、数据挖掘
- 来源:苏州添才翰格企业管理咨询有限公司
反作弊工程师
岗位职责:1.负责效果广告投放的反作弊系统的设计与开发2.负责风控数据平台和模型系统的建设3.协助数据部门通过用户行为数据的分析,选择合理的指标,持续优化反作弊策略和算法4.识别各类机器行为.羊毛党.团伙欺诈.广告等欺诈模式和风控场景职位要求:1.计算机或相关专业本科及以上学历;3年以上开发经验2.SQL语言运用熟练,熟悉Hadoop/Spark操作环境,至少熟练掌握Python.Java.R语言中的一种3.有数据分析和挖掘经验,熟悉常用的分类.聚类和回归算法4.对反欺诈数据敏感,具备快速业务场景抽象能力,并能及时应用在实际项目中5.具有一定的项目规划和决策能力,熟悉在线系统开发,流式计算,规则引擎者优先6.具备反作弊及安全策略相关工作经验,与黑产攻防对抗有一定了解者优先
所需技能: Python、SQL、Java
- 来源:北京新东方迅程网络科技股份有限公司
反作弊工程师
职位描述:1.对公司整体的用户流量进行反作弊监控;2.通过机器学习.深度学习等技术手段,解决投放.销售.渠道的风控问题;3.对业务结果,不断优化反作弊模型,帮助公司提升整体运营效率和质量。任职要求:1.计算机及相关专业,本科以上学历。2年以上互联网行业开发经验;2.熟悉业界存在的各种刷量作弊的机制,有网络安全意识;3.熟练运用Go/C/Java/python等高级编程语言,有良好的编程习惯和优秀的开发能力;4.对数据敏感,熟悉数学和统计原理。有大数据工作经验,熟练使用Hive/Hadoop/park等大数据平台和工具,熟悉各种反作弊策略与算法,懂得权衡准确度与覆盖率;5.善于沟通.总结。
所需技能: 深度学习算法、Python、Java、Go、Spark、Hadoop、分布式技术、数据仓库
- 来源:襄阳添才企业管理咨询有限公司
反作弊工程师
岗位职责:1.负责效果广告投放的反作弊系统的设计与开发2.负责风控数据平台和模型系统的建设3.协助数据部门通过用户行为数据的分析,选择合理的指标,持续优化反作弊策略和算法4.识别各类机器行为.羊毛党.团伙欺诈.广告等欺诈模式和风控场景职位要求:1.计算机或相关专业本科及以上学历;3年以上开发经验2.SQL语言运用熟练,熟悉Hadoop/Spark操作环境,至少熟练掌握Python.Java.R语言中的一种3.有数据分析和挖掘经验,熟悉常用的分类.聚类和回归算法4.对反欺诈数据敏感,具备快速业务场景抽象能力,并能及时应用在实际项目中5.具有一定的项目规划和决策能力,熟悉在线系统开发,流式计算,规则引擎者优先6.具备反作弊及安全策略相关工作经验,与黑产攻防对抗有一定了解者优先
所需技能: 风控建模、Python、SQL、Java、R语言、数据分析、Spark
- 来源:北京字节跳动网络技术有限公司
反作弊工程师
职位描述:1.负责系统反作弊核心引擎架构设计开发与算法研究;2.分析挖掘并过滤广告作弊流量,保障客户利益和公司长远健康发展;3.应用机器学习.分类聚类等相关技术,针对海量信息建模,挖掘异常数据;4.搭建并维护高效的线上海量数据清理的工程系统。职位要求:1.良好的逻辑思维能力,能够从海量数据中发现有价值的规律;2.熟悉Java/golang/C++语言编程中的一种,对数据结构和算法设计有较为深刻的理解;3.熟悉流式计算.分布式计算.数据挖掘.机器学习至少某一方面,有较深的理论研究和实践经验,并具备2年以上相关工作经验;4.有广告反作弊,反欺诈等工作经验的优先。
所需技能: 数据挖掘、数据抓取、广告算法
职业晋升路径
横向职业发展
职业问答
算法项目的核心是支持业务,不能改进业务状态、对业务进行赋能的算法项目都是技术堆叠的空中楼阁
为提高业务指标,算法工程师应该按照以下流程开展工作:
1、明确业务指标的定义:若有现成指标,可直接使用;若无相关指标,需要向业务进行调研,设计指标的量化规则和统计口径,并需得到业务认可(相关数据源需和数据团队沟通,数据仓库未集成的需要提出相关需求)
2、明确业务痛点:通过和业务的沟通调研,明确当前的业务痛点,并通过数据分析和数据挖掘手段,将该痛点进行量化(若业务不能明确业务痛点,需要通过数据手段发现)
3、明确项目目标:根据业务指标和痛点,设定明确的项目目标,该目标是可量化且可对比,要提前定义好对比维度和方案,且所需数据是数据仓库已(可)集成的或算法可输出的
4、算法可行性研究:以项目目标未基准,针对当前已有数据和业务逻辑,通过多轮迭代优化的数据分析和数据挖掘,明确算法对实现项目目标的可行性,并初步完成 demo 开发
5、算法设计:设计方案应当包含算法本身开发的设计方案,数据流程和数据对接的设计方案,和上下游系统交互的对接的设计方案
6、算法开发和测试:根据设计方案进行算法开发,过程中要不断和数据团队和系统方进行沟通,根据实际情况调整方案
7、算法上线和监控:按照上线流程进行算法上线,并按照运维要求提供监控逻辑,对算法运行状态进行监控,同时根据业务逻辑规则对算法产生的业务结果进行监控
8、总结汇报:根据 3 中定义的方案进行算法结果汇总和报告
9、迭代优化:后续不断地根据算法结果和业务反馈进行算法迭代和优化
