Junior Data Scientist – Fraud Detection

Chi siamo

Si candidi qui sotto dopo aver letto tutti i dettagli e le informazioni di supporto relative a questa opportunità di lavoro.

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

Siamo alla ricerca di un/una Junior Data Scientist – Fraud Detection & Machine Learning da inserire nel team dedicato allo sviluppo e all'evoluzione delle nostre soluzioni di Fraud Prevention.

La persona selezionata collaborerà con Data Scientist e specialisti di Fraud Detection nell'analisi dei dati e nello sviluppo, valutazione e ottimizzazione di modelli di Machine Learning utilizzati per identificare comportamenti anomali e potenziali frodi.

Il ruolo rappresenta un'opportunità di crescita per sviluppare competenze avanzate in ambito Data Science, Machine Learning e Fraud Detection, lavorando su dataset reali e su tecnologie utilizzate in contesti enterprise e finanziari internazionali.

Attività previste

Nel ruolo ti occuperai di:

- 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.

Stack Tecnologico

Durante il percorso di crescita avrai modo di lavorare con:

Data Science & Machine Learning

- R
- 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 che potrai approfondire:

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

Requisiti

Cerchiamo una persona con:

- 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.

Costituiscono 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