logo
← 返回面试流程列表
P

Prospa

数据科学家
难度 ⏱ 4-6 weeks📋 6 轮面试data-scienceFull-time

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。

信用风险建模是核心场景——预期会有借贷领域的 ML 问题强调模型可解释性（在借贷领域是监管要求）以 Python 为核心，SQL 用于数据访问；scikit-learn、XGBoost 和云 ML 平台居家案例分析通常涉及在提供的借贷数据上构建预测模型与风控、产品和工程团队的跨职能协作
ProspaSydneyFinTechData ScientistMachine LearningCredit RiskPythonXGBoostModel InterpretabilityLending

面试流程 (6 轮)

1
📞
招聘人员电话筛选Recruiter Phone Screen
⏱ 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。

💡

准备清单

  • 了解 Prospa 商业模式：快速、数据驱动的中小企业贷款。几分钟审批，而非几周。了解这与传统银行贷款的区别
  • 了解信用风险基础：违约概率（PD）、违约损失率（LGD）、预期损失——即使是高层次的理解
  • 回顾你的 ML 作品集：准备好讨论你构建、部署和监控过的 2-3 个模型
  • 准备「为什么金融科技」的故事：为什么将 ML 应用于贷款决策让你兴奋？

筛选维度

维度期望
技术深度扎实的 ML 和统计基础
领域兴趣对借贷/金融科技的真正好奇
沟通能力能简洁地解释复杂模型
生产思维不只是 Notebook——已部署的模型
🔒
还有 5 轮面试流程未显示解锁后查看全部 6 轮面试详情