大黄
软件工程师
华为 · 5年经验
日薪：
￥500/8h
地点：
北京 海淀
时间：
下班后周六周日可工作日远程可工作日驻场（离职原因）可工作日驻场（自由职业原因）
信用行为
0
接单数
0
评价数
0
收藏数
技术能力
1. 编程语言：Java，Python
2. Web开发：熟悉Java后端生态，Python后端生态，熟悉中间件Mysql/Redis/Kafka/Nginx，熟悉Node和React、VUE
3. DevOps：在操作系统，网络，IaaS，容器，日志，监控，GItOps，Service Mesh，CICD等方面有一定实践经验
4. 大数据存储和计算：有Hadoop生态存储和计算相关组件经验，熟悉Spark，熟悉数据仓库建模
5. 数据科学：熟悉常用数据分析和机器学习工具，深度学习
2. Web开发：熟悉Java后端生态，Python后端生态，熟悉中间件Mysql/Redis/Kafka/Nginx，熟悉Node和React、VUE
3. DevOps：在操作系统，网络，IaaS，容器，日志，监控，GItOps，Service Mesh，CICD等方面有一定实践经验
4. 大数据存储和计算：有Hadoop生态存储和计算相关组件经验，熟悉Spark，熟悉数据仓库建模
5. 数据科学：熟悉常用数据分析和机器学习工具，深度学习
项目经验
项目名称：智能欺诈识别系统
项目简介：
智能欺诈识别系统是一款基于大数据和机器学习技术的解决方案，旨在帮助金融机构、电商平台等企业有效识别和预防欺诈行为。该系统将通过分析大量的交易数据、用户行为数据和其他相关信息，构建智能化的欺诈检测模型，及时发现和阻止各种形式的欺诈活动，保护企业和用户的利益。
项目特色：
1. 大数据分析：收集并整合多源数据，包括交易记录、用户行为、设备信息等，通过大数据技术进行深度分析和挖掘，发现潜在的欺诈模式和异常行为。
2. 欺诈模型构建：利用机器学习算法，构建欺诈识别模型，对欺诈行为进行自动分类和识别，不断优化模型以适应新的欺诈手段和模式。
3. 实时监测预警：对交易和用户行为进行实时监测，一旦发现可疑行为或异常模式，立即发出预警通知，及时采取措施防止欺诈事件的发生。
4. 风险评估与决策：结合风险评估模型，对可疑交易和用户进行风险分析，为企业提供智能化的决策支持，减少误判和漏判。
项目应用领域：
1. 金融行业：帮助银行、支付机构等金融机构识别信用卡盗刷、虚假交易等欺诈行为，保障金融交易的安全和稳定。
2. 电商平台：防范虚假商品、虚假评价等欺诈行为，保护消费者的权益，维护电商平台的公平和诚信环境。
3. 保险业：识别虚假索赔、保险欺诈等行为，降低保险公司的风险和损失，保障正常理赔权益。
4. 在线支付：预防账户盗用、支付欺诈等风险，保障用户资金安全和支付平台的正常运营。
项目预期效益：
1. 提高识别准确率：通过大数据和机器学习技术，提高欺诈识别的准确率和效率，降低误报率和漏报率。
2. 降低损失风险：及时发现和阻止欺诈行为，降低企业和用户的经济损失，维护市场秩序和信任度。
3. 提升用户体验：保护用户的交易安全和个人信息，提升用户对企业的信任和满意度，促进业务发展和品牌建设。
智能欺诈识别系统将成为企业保障交易安全和经营稳健的重要工具，为建设安全、可信的数字经济环境做出贡献。
项目简介：
智能欺诈识别系统是一款基于大数据和机器学习技术的解决方案，旨在帮助金融机构、电商平台等企业有效识别和预防欺诈行为。该系统将通过分析大量的交易数据、用户行为数据和其他相关信息，构建智能化的欺诈检测模型，及时发现和阻止各种形式的欺诈活动，保护企业和用户的利益。
项目特色：
1. 大数据分析：收集并整合多源数据，包括交易记录、用户行为、设备信息等，通过大数据技术进行深度分析和挖掘，发现潜在的欺诈模式和异常行为。
2. 欺诈模型构建：利用机器学习算法，构建欺诈识别模型，对欺诈行为进行自动分类和识别，不断优化模型以适应新的欺诈手段和模式。
3. 实时监测预警：对交易和用户行为进行实时监测，一旦发现可疑行为或异常模式，立即发出预警通知，及时采取措施防止欺诈事件的发生。
4. 风险评估与决策：结合风险评估模型，对可疑交易和用户进行风险分析，为企业提供智能化的决策支持，减少误判和漏判。
项目应用领域：
1. 金融行业：帮助银行、支付机构等金融机构识别信用卡盗刷、虚假交易等欺诈行为，保障金融交易的安全和稳定。
2. 电商平台：防范虚假商品、虚假评价等欺诈行为，保护消费者的权益，维护电商平台的公平和诚信环境。
3. 保险业：识别虚假索赔、保险欺诈等行为，降低保险公司的风险和损失，保障正常理赔权益。
4. 在线支付：预防账户盗用、支付欺诈等风险，保障用户资金安全和支付平台的正常运营。
项目预期效益：
1. 提高识别准确率：通过大数据和机器学习技术，提高欺诈识别的准确率和效率，降低误报率和漏报率。
2. 降低损失风险：及时发现和阻止欺诈行为，降低企业和用户的经济损失，维护市场秩序和信任度。
3. 提升用户体验：保护用户的交易安全和个人信息，提升用户对企业的信任和满意度，促进业务发展和品牌建设。
智能欺诈识别系统将成为企业保障交易安全和经营稳健的重要工具，为建设安全、可信的数字经济环境做出贡献。
大黄
软件工程师 · 5年经验 · 华为
0
累计接单
0
用户评价
0
被收藏
信用行为
0
接单数
0
评价数
0
收藏数
技术能力
1. 编程语言：Java，Python
2. Web开发：熟悉Java后端生态，Python后端生态，熟悉中间件Mysql/Redis/Kafka/Nginx，熟悉Node和React、VUE
3. DevOps：在操作系统，网络，IaaS，容器，日志，监控，GItOps，Service Mesh，CICD等方面有一定实践经验
4. 大数据存储和计算：有Hadoop生态存储和计算相关组件经验，熟悉Spark，熟悉数据仓库建模
5. 数据科学：熟悉常用数据分析和机器学习工具，深度学习
2. Web开发：熟悉Java后端生态，Python后端生态，熟悉中间件Mysql/Redis/Kafka/Nginx，熟悉Node和React、VUE
3. DevOps：在操作系统，网络，IaaS，容器，日志，监控，GItOps，Service Mesh，CICD等方面有一定实践经验
4. 大数据存储和计算：有Hadoop生态存储和计算相关组件经验，熟悉Spark，熟悉数据仓库建模
5. 数据科学：熟悉常用数据分析和机器学习工具，深度学习
项目经验
项目名称：智能欺诈识别系统
项目简介：
智能欺诈识别系统是一款基于大数据和机器学习技术的解决方案，旨在帮助金融机构、电商平台等企业有效识别和预防欺诈行为。该系统将通过分析大量的交易数据、用户行为数据和其他相关信息，构建智能化的欺诈检测模型，及时发现和阻止各种形式的欺诈活动，保护企业和用户的利益。
项目特色：
1. 大数据分析：收集并整合多源数据，包括交易记录、用户行为、设备信息等，通过大数据技术进行深度分析和挖掘，发现潜在的欺诈模式和异常行为。
2. 欺诈模型构建：利用机器学习算法，构建欺诈识别模型，对欺诈行为进行自动分类和识别，不断优化模型以适应新的欺诈手段和模式。
3. 实时监测预警：对交易和用户行为进行实时监测，一旦发现可疑行为或异常模式，立即发出预警通知，及时采取措施防止欺诈事件的发生。
4. 风险评估与决策：结合风险评估模型，对可疑交易和用户进行风险分析，为企业提供智能化的决策支持，减少误判和漏判。
项目应用领域：
1. 金融行业：帮助银行、支付机构等金融机构识别信用卡盗刷、虚假交易等欺诈行为，保障金融交易的安全和稳定。
2. 电商平台：防范虚假商品、虚假评价等欺诈行为，保护消费者的权益，维护电商平台的公平和诚信环境。
3. 保险业：识别虚假索赔、保险欺诈等行为，降低保险公司的风险和损失，保障正常理赔权益。
4. 在线支付：预防账户盗用、支付欺诈等风险，保障用户资金安全和支付平台的正常运营。
项目预期效益：
1. 提高识别准确率：通过大数据和机器学习技术，提高欺诈识别的准确率和效率，降低误报率和漏报率。
2. 降低损失风险：及时发现和阻止欺诈行为，降低企业和用户的经济损失，维护市场秩序和信任度。
3. 提升用户体验：保护用户的交易安全和个人信息，提升用户对企业的信任和满意度，促进业务发展和品牌建设。
智能欺诈识别系统将成为企业保障交易安全和经营稳健的重要工具，为建设安全、可信的数字经济环境做出贡献。
项目简介：
智能欺诈识别系统是一款基于大数据和机器学习技术的解决方案，旨在帮助金融机构、电商平台等企业有效识别和预防欺诈行为。该系统将通过分析大量的交易数据、用户行为数据和其他相关信息，构建智能化的欺诈检测模型，及时发现和阻止各种形式的欺诈活动，保护企业和用户的利益。
项目特色：
1. 大数据分析：收集并整合多源数据，包括交易记录、用户行为、设备信息等，通过大数据技术进行深度分析和挖掘，发现潜在的欺诈模式和异常行为。
2. 欺诈模型构建：利用机器学习算法，构建欺诈识别模型，对欺诈行为进行自动分类和识别，不断优化模型以适应新的欺诈手段和模式。
3. 实时监测预警：对交易和用户行为进行实时监测，一旦发现可疑行为或异常模式，立即发出预警通知，及时采取措施防止欺诈事件的发生。
4. 风险评估与决策：结合风险评估模型，对可疑交易和用户进行风险分析，为企业提供智能化的决策支持，减少误判和漏判。
项目应用领域：
1. 金融行业：帮助银行、支付机构等金融机构识别信用卡盗刷、虚假交易等欺诈行为，保障金融交易的安全和稳定。
2. 电商平台：防范虚假商品、虚假评价等欺诈行为，保护消费者的权益，维护电商平台的公平和诚信环境。
3. 保险业：识别虚假索赔、保险欺诈等行为，降低保险公司的风险和损失，保障正常理赔权益。
4. 在线支付：预防账户盗用、支付欺诈等风险，保障用户资金安全和支付平台的正常运营。
项目预期效益：
1. 提高识别准确率：通过大数据和机器学习技术，提高欺诈识别的准确率和效率，降低误报率和漏报率。
2. 降低损失风险：及时发现和阻止欺诈行为，降低企业和用户的经济损失，维护市场秩序和信任度。
3. 提升用户体验：保护用户的交易安全和个人信息，提升用户对企业的信任和满意度，促进业务发展和品牌建设。
智能欺诈识别系统将成为企业保障交易安全和经营稳健的重要工具，为建设安全、可信的数字经济环境做出贡献。
立即沟通
