Junior Data Scientist
Pubblicato il 15-09-2026 - XTN Cognitive Security® in Canova
Chi siamo
È il candidato/la candidata ideale per questa opportunità? Lo scopra leggendo la panoramica del ruolo qui sotto.
XTN Cognitive Security® sviluppa soluzioni innovative di Cyber Security e Fraud Prevention basate su Intelligenza Artificiale, Machine Learning e Behavioural Biometrics.
Le nostre piattaforme aiutano organizzazioni internazionali nei settori Banking, Financial Services, Insurance e Digital Payments a prevenire frodi e minacce informatiche attraverso tecnologie proprietarie avanzate.
Entrare in XTN significa lavorare in un atmosfera tecnologico dinamico, dove dati, algoritmi e Intelligenza Artificiale vengono utilizzati per affrontare problemi reali e complessi legati alla prevenzione delle frodi digitali.
Il ruolo
Siamo alla ricerca di un/una Junior Data Scientist – Fraud Detection & Machine Learning da inserire nel team dedicato allo sviluppo e all'evoluzione delle nostre soluzioni di Fraud Prevention.
La persona selezionata collaborerà con Data Scientist e specialisti di Fraud Detection nell'analisi dei dati e nello sviluppo,
valutazione e ottimizzazione di modelli di Machine Learning utilizzati per identificare comportamenti anomali e potenziali frodi.
Il ruolo rappresenta un'opportunità di crescita per sviluppare competenze avanzate in ambito Data Science, Machine Learning e Fraud Detection , lavorando su dataset reali e su tecnologie utilizzate in contesti enterprise e finanziari internazionali.
Attività previste
Nel ruolo ti occuperai di:
- Analizzare dataset relativi a transazioni, comportamenti digitali ed eventi di sicurezza.
- Esplorare e interpretare i dati al fine di individuare pattern, anomalie e informazioni rilevanti per la Fraud Detection.
- Supportare lo sviluppo e l'evoluzione di modelli di Machine Learning applicati alla prevenzione delle frodi.
- Collaborare alle attività di preparazione, pulizia e trasformazione dei dati.
- Contribuire alle attività di feature engineering e selezione delle variabili rilevanti per i modelli.