1、模型开发：参与海外墨西哥现金贷业务风险模型的开发与迭代，在导师指导下学习构建贯穿用户生命周期的反欺诈、申请评分卡（A卡）、行为评分卡（B卡）等模型； 2、数据挖掘：面对目标市场传统征信数据缺失或稀疏的挑战，学习并应用另类数据（如设备信息、APP行为、社交网络、运营商数据等）进行特征工程和建模实践； 3、模型本地化与部署：结合目标市场的风险模式和用户画像，协助对模型进行本地化适配与调优，与技术团队协作推动模型部署上线； 4、前沿算法学习：了解并学习机器学习/深度学习前沿算法（如GNN、Transformer等）在海外业务中的应用场景，包括团伙欺诈识别、小样本学习等方向； 5、模型性能监控：协助建立跨国家、跨产品的模型监控体系，学习追踪模型表现（PSI、KS、Gini等指标），及时发现性能衰退并参与优化方案的制定。 1、硕士及以上学历，2027届应届毕业生，统计学、计算机、数学、物理学等理工科专业； 2、具备扎实的机器学习理论基础，熟练使用Python/R，了解Pandas、Scikit-learn、XGBoost/LightGBM等数据科学和机器学习框架； 3、熟练掌握SQL，了解Hive/Spark等大数据环境下的数据处理方式； 4、对金融科技及海外信贷风控有浓厚兴趣，具备强烈的学习意愿和自驱力； 5、逻辑严谨，数据驱动思维，具备良好的沟通表达能力与团队协作意识； 6、英语读写流畅，能胜任日常业务沟通，具备跨文化协作意识； 7、有风控建模、数据科学相关实习经历，或在Kaggle等数据竞赛中有参赛经历者优先。