年薪100w的风控到底需要懂什么?

机器学习初学者

共 1630字,需浏览 4分钟

 ·

2022-04-18 07:35

大家好,我是小伍哥,周末了,聊点轻松的话题。

作为风控的同学,工作的时间长了,可能会遇到瓶颈,职业或者薪资上升都比较迷茫,特别是100w(很多已经100+的大佬可以离开了)这个坎,这个时候怎么办呢?其实查看各个企业的岗位需求,是个非常好的方法(转行的同学更需要看)。

如果你的年薪在50-80w,,想往100w+冲一冲,但是又不知道学啥,那可以找到对应的岗位,并认真解读,就知道了。这里以腾讯下面的两个岗位举例,一个4万到8万,一个7万,很多人一看,会说这也没有百万啊,其实互联网的薪资不能简单的12*月薪。对于腾讯,大概率能有18薪,这个价格的人,进去一年后基本都发股票啥,如果是好部门,年终奖可能翻倍,我们简单计算下年薪。

下限:40*18 =72w

中间:60*18 =108w

上限:80*18=144w

即使取下限,一年后加十几万的股票,也能接近100w了,所以知道了月薪和年薪的差异,有了基本的认知,我们就来看看这两个岗位到底需要学习什么了?这两个岗位,一个偏实践与应用,一个偏前沿与研究。我们重点讲第一种,普通人通过努力可以达到的这种。

第一个岗位

负责将机器学习、数据挖掘方法应用于QQ、Qzone企业QQ、视频、信息流等业务安全领域

机器学习:基本上就是传统的机器学习方法,逻辑回归、贝叶斯、KNN、决策树、SVM、随机森林、Xgboost、lightGBM、Catboost等一系列传统机器学习要掌握,当然,树模型是重点掌握的对象。

数据挖掘:为啥提了机器学习,还要提数据挖掘?这里可以理解为聚类、关系网络、关联规则、同步行为、图异常、图密度、孤立森林等一系列基于分析方法、无监督学习等风控特有的挖掘方法论

应用于QQ、Qzone、企业QQ、视频、信息流等业务安全领域

这句话怎么解读?看起来没讲算法,其实处处都是知识点。

QQ:那肯定重点是社交关系网络分析、社区发现、复杂网络等算法必然要掌握

Qzone:那基本都是图文,图文算法肯定要掌握,那NLP相关的方法、图片相关的算法得有基础,Ngram,Tfidf、RNN、CNN、LSTM、BERT等等

视频:不用讲,很直接,当然不用担心,有了图片和NLP的知识,视频的其实可以不会,当然有了视频就有音频,会音频处理那就更多的加分了。

负责腾讯社交及内容产品的反垃圾消息、反盗号、反作弊、反欺诈等工作,承接基础风控数据建设,安全态势感知、自动对抗体系和黑产团伙挖掘等工作。

反垃圾消息:NLP垃圾识别,各种火星文、同音、形似字等识别

反盗号:这个就是识别盗号的了,沉默账户登录,IP到常用地解析,常用设备画像等

反作弊、反欺诈:刷单、刷投票等,基本就是刷单那一套方法论

安全态势感知:对我是新名词、我们百度下得到,态势感知的概念最早在军事领域被提出,覆盖感知、理解和预测三个层次,按根据这个信息,需要补充这方面的知识

自动对抗体系:这个怎么理解?一个是策略、模型自动化,还有一个理解就是强化学习

黑产团伙挖掘:这个大家最熟悉,但是这里得深刻,熟悉怎么寻找系统中的关系类型(我写过14大类关系),以及熟练的构建有效的关系。

通过对岗位拆解以及背后的意图分析,并且做一个重点排序,在和自己的储备进行对比,没有的需要补上,重点的需要加深。基本上拆解几个公司的岗位,就能知道学习的重点了。其实大部分算法都学过或者用过,需要系统化的整理,查缺补漏就行了。

第二个岗位

其实普通人就不用看了,因为基本上都是博士起,并且需要有顶会文章,都是前沿的研究,仅仅靠日常的工作积累,基本没办法达到这个要求。我也不专业,就不做详细的拆解了。

···  END  ···
往期精彩回顾




浏览 34
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报