Junior Data Scientist – Fraud Detection

Chi siamo

XTN Cognitive Security® sviluppa soluzioni innovative di Cyber Security e Fraud Prevention basate su Intelligenza Artificiale, Machine Learning e Behavioural Biometrics. Le nostre piattaforme aiutano organizzazioni internazionali nei settori Banking, Financial Services, Insurance e Digital Payments a prevenire frodi e minacce informatiche attraverso tecnologie proprietarie avanzate. Entrare in XTN significa lavorare in un ambiente tecnologico dinamico, dove dati, algoritmi e Intelligenza Artificiale vengono utilizzati per affrontare problemi reali e complessi legati alla prevenzione delle frodi digitali.

Il ruolo

Junior Data Scientist – Fraud Detection Machine Learning.

Il ruolo è da inserire nel team dedicato allo sviluppo e all'evoluzione delle nostre soluzioni di Fraud Prevention.

Responsabilità

• Analizzare dataset relativi a transazioni, comportamenti digitali ed eventi di sicurezza.
• Esplorare e interpretare i dati al fine di individuare pattern, anomalie e informazioni rilevanti per la Fraud Detection.
• Supportare lo sviluppo e l'evoluzione di modelli di Machine Learning applicati alla prevenzione delle frodi.
• Collaborare alle attività di preparazione, pulizia e trasformazione dei dati.
• Contribuire alle attività di feature engineering e selezione delle variabili rilevanti per i modelli.
• Valutare le performance dei modelli attraverso metriche quantitative e analisi dei risultati.
• Confrontare differenti approcci e algoritmi per identificare le soluzioni più efficaci.
• Utilizzare tecniche statistiche e strumenti di Data Science per trasformare i dati in insight utili al processo decisionale.
• Interrogare e analizzare dati attraverso SQL.
• Collaborare con i team tecnici e di prodotto nell'analisi dei fenomeni di frode e nell'evoluzione delle soluzioni XTN.
• Preparare analisi, report e presentazioni per comunicare in modo chiaro risultati e insight.

Tecnologie

Data Science Machine Learning:

• Algoritmi di Machine Learning
• Analisi statistica
• Feature Engineering
• Model Evaluation

Data Analysis:

• NOSQL
• Data exploration
• Data preparation e Data Cleaning
• Analisi quantitativa
• Visualizzazione e interpretazione dei dati

Programming:

• R/Python
• GOLang/Java
• Git

Productivity Reporting:

• Microsoft Excel
• Microsoft PowerPoint
• Strumenti di reporting e Data Visualization

Tecnologie e ambiti approfondibili:

• Fraud Detection
• Anomaly Detection
• Behavioural Analytics
• Artificial Intelligence
• Advanced Machine Learning
• Big Data
• Model Monitoring
• Data-driven Decision Making

Requisiti

• Laurea, anche in fase di completamento, in Data Science, Informatica, Ingegneria, Matematica, Statistica, Fisica o discipline quantitative equivalenti.
• Conoscenze di base di Data Science, Machine Learning e analisi dei dati.
• Conoscenza dei principali concetti e algoritmi di Machine Learning.
• Buona conoscenza di almeno uno tra R e Python.
• Conoscenza di SQL e capacità di effettuare interrogazioni e analisi sui dati.
• Familiarità con la programmazione e con linguaggi object-oriented, ad esempio Java.
• Buona conoscenza del pacchetto Microsoft Office, in particolare Excel e PowerPoint.
• Approccio analitico e quantitativo e capacità di interpretare i dati attraverso evidenze concrete.
• Capacità di valutare criticamente i risultati e le performance di un modello.
• Interesse verso il mondo Data Science, Artificial Intelligence e Fraud Detection.
• Buona capacità di problem solving.
• Attitudine al lavoro in team e alla collaborazione.
• Buona conoscenza della lingua italiana e inglese.

Titolo preferenziale

• Esperienze accademiche, tesi o progetti personali in ambito Machine Learning o Data Science.
• Esperienza nell'utilizzo di librerie e framework di Data Science e Machine Learning.
• Conoscenza di tecniche di classificazione, clustering e anomaly detection.
• Conoscenza di strumenti di Data Visualization.
• Esperienza con Git e strumenti di sviluppo software.
• Interesse o conoscenza dei settori Fraud Prevention, Cyber Security, Banking o Digital Payments.
• Esperienza nell'analisi di dataset complessi o di grandi dimensioni.

Soft skills / Completano il profilo

• Curiosa e motivata ad approfondire dati, algoritmi e nuove tecnologie;
• Dotata di un forte approccio analitico e quantitativo;
• Capace di affrontare problemi complessi in modo strutturato;
• Precisa nell'analisi e nell'interp