Prospa 数据科学家 面试流程
岗位方向: data-science
Prospa 的数据科学团队处于借贷平台的核心，构建信用风险模型、欺诈检测算法和客户分析系统，驱动面向澳大利亚中小企业的自动化贷款决策。Prospa 的数据科学家在高度受监管的环境中工作，模型准确性直接影响财务结果和合规性。面试流程同时测试统计严谨性和实际 ML 工程技能，强调领域理解——候选人应准备好讨论他们的模型如何在不平衡类别、不断变化的客户行为以及负责任贷款义务等监管约束的借贷场景中表现。
Prospa的数据科学家面试共6轮，以下是每轮面试的详细流程和准备建议。
- 第1轮 (20-30 minutes): 与招聘人员的初次通话，讨论你的数据科学背景、ML 生产化经验以及对金融科技/借贷领域的兴趣。招聘人员会解释数据科学如何驱动 Prospa 的信贷决策以及团队结构。
面试亮点: Credit risk modelling is the core use case — expect lending-domain ML questions、Emphasis on model interpretability and explainability (regulatory requirement in lending)、Python-centric with SQL for data access; scikit-learn, XGBoost, and cloud ML platforms、Take-home case study often involves building a predictive model on provided lending data、Cross-functional collaboration with risk, product, and engineering teams
标签: Prospa, Sydney, FinTech, Data Scientist, Machine Learning, Credit Risk, Python, XGBoost, Model Interpretability, Lending
