Doktorand Graph Machine Learning & Financial Crime Analytics (w|m|d) | findic (Data Scientist)

Deine Aufgaben: Du entwickelst Machine-Learning-Verfahren zurErkennung verdächtiger Transaktionsmuster sowie komplexer Anomalienin Transaktions- und Beziehungsnetzwerken und untersuchst deren Nutzenfür die Erkennung von Finanzkriminalität. Du untersuchst moderneAnsätze wie Graph Neural Networks, selbstüberwachtes Lernen undkontrastives Pre-Training, insbesondere für Szenarien mit wenigengelabelten Daten. Du entwickelst Methoden für eine zuverlässigeGraphkonstruktion und Entity Resolution und analysierst, wieunvollständige Daten und fehlerhafte Beziehungen die Modellqualitätbeeinflussen. Du evaluierst neue Verfahren systematisch hinsichtlichErkennungsleistung, Robustheit sowie Erklärbarkeit und überführstgeeignete Ansätze in innovative AI-Lösungen für Banken undVersicherungen. Du verfolgst aktuelle Forschung im Bereich GraphIntelligence und bringst wissenschaftliche Erkenntnisse in dieWeiterentwicklung unserer Data-&-AI-Lösungen ein. Deine Skills: Duhast einen sehr guten Masterabschluss in Informatik, Mathematik,Statistik, Physik oder einem verwandten quantitativen Fach undarbeitest aktuell an deiner Promotion oder beginnst dasPromotionsstudium in Kürze. Du hast fundierte Kenntnisse in Pythonund PyTorch sowie Erfahrung mit sauberem, reproduzierbarem Code, Gitund systematischer Modellevaluation. Du hast praktisch mit PyTorchGeometric oder DGL gearbeitet und mindestens ein GNN-Modell selbsttrainiert, beispielsweise GCN, GAT oder GraphSAGE, idealerweise aufrealitätsnahen Daten. Du verstehst selbstüberwachtes Lernenkonzeptionell und praktisch und kennst Ansätze wierekonstruktionsbasierte Verfahren, kontrastive Lernziele oderMasked-Graph-Modelle. Du kennst zentrale Herausforderungen derGraphkonstruktion, darunter Entity Resolution, Record Linkage,kNN-basierter Graphaufbau sowie die Auswirkungen fehlerhafter,fehlender oder zeitlich inkonsistenter Kanten. Du verfügst über sehrgute Deutschkenntnisse (mindestens C1-Niveau, verhandlungssicher)sowie gute Englischkenntnisse (mindestens B2-Niveau, fließend) inWort und Schrift. #LI-Hybrid #LI-LE1 Diese Skills wären ein weiteresPlus, sind aber kein Muss: Erfahrung mit Neo4j, Knowledge Graphs,Property Graphs oder Entity Resolution. Kenntnisse in graphbasierterAnomalieerkennung, etwa mit DOMINANT, AnomalyDAE oder CARE-GNN, sowieErfahrung mit kontrastivem Lernen. Erste Erfahrung mit FraudDetection, Anti-Money Laundering (AML) oder der Analyse komplexerTransaktionsnetzwerke. Erfahrung mit Docker, Modellversionierung,Monitoring und dem produktiven Deployment vonMachine-Learning-Modellen. Deine Benefits Versicherung &Altersvorsorge: Sicher unterwegs mit zeb – über eineGruppenunfallversicherung bist du auch privat in Deutschlandversichert. Für Auslandsdienstreisen besteht eine zusätzlicheAuslandsversicherung, und für deine Altersvorsorge kannst du überzeb eine betriebliche Altersvorsorge abschließen. Mobiles Arbeiten:Durch unsere technische Ausstattung ist mobiles Arbeiten von überallmöglich – unabhängig davon, ob du gerade im Zug, zu Hause oder imOffice bist. zeb.life: Dein Leben verändert sich – und wir möchtendich in den verschiedenen Phasen begleiten. Mit zeb.life findest duUnterstützung beispielsweise bei der Kinderbetreuung, imLebenslagenmanagement und Eldercare oder bei der Suche nachConciergediensten. Arbeitszeitmodelle: Bei uns gilt für alleMitarbeitenden das Prinzip "trust-based hours" für flexibleArbeitszeiten. Für Festangestellte sind auch Teilzeitmodellemöglich: Unter Berücksichtigung deines Projekts kannst du inAbsprache mit deinem:deiner CDC (Career Development Counselor) deinModell entwickeln und nach Bedarf anpassen. Gestalte deinArbeitszeitmodell sowie deine Stunden damit nach deinen privatenAnforderungen und passe deine Arbeitszeiten an deine persönlicheSituation an. Als Vertragsoption bietet das Modell "Family & More"zudem eine Garantie für reisefreie Wochentage, die vertraglichfixiert sind. Je nach Umfang der Reduzierung der Reisezeit erfolgteine zeitlich befristete Gehaltsanpassung.