JobCubby JobCubby
Sign up
zeb consulting

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

zeb consulting Munich, Bavaria, Germany

Business Consulting and Services · 501-1,000 employees

Yesterday
machine-learning Junior (0-2 yrs) Full-time Part-time Germany
Create a free account to apply — email only, no card. You can also save this posting or score it against your profile with AI.

Applying here? Try the free cover letter tool — paste this posting and your résumé, no account needed.

About the role

You will develop machine learning methods to detect suspicious transaction patterns and complex anomalies within financial networks. Additionally, you will evaluate these models for robustness and explainability to create innovative AI solutions for the banking and insurance sectors.

What they look for

Machine Learning Graph Neural Networks Python PyTorch PyTorch Geometric DGL Self-supervised Learning Entity Resolution Graph Construction Anomaly Detection Git Data Analysis Financial Crime Analytics Contrastive Learning Model Evaluation

Requirements

Candidates must be currently pursuing or about to start a PhD in a quantitative field such as Computer Science, Mathematics, or Physics. Proficiency in Python, PyTorch, and practical experience with Graph Neural Networks are required, along with fluent German and professional English skills.

Full description

Deine Aufgaben:

  • Du entwickelst Machine-Learning-Verfahren zur Erkennung verdächtiger Transaktionsmuster sowie komplexer Anomalien in Transaktions- und Beziehungsnetzwerken und untersuchst deren Nutzen für die Erkennung von Finanzkriminalität.
  • Du untersuchst moderne Ansätze wie Graph Neural Networks, selbstüberwachtes Lernen und kontrastives Pre-Training, insbesondere für Szenarien mit wenigen gelabelten Daten.
  • Du entwickelst Methoden für eine zuverlässige Graphkonstruktion und Entity Resolution und analysierst, wie unvollständige Daten und fehlerhafte Beziehungen die Modellqualität beeinflussen.
  • Du evaluierst neue Verfahren systematisch hinsichtlich Erkennungsleistung, Robustheit sowie Erklärbarkeit und überführst geeignete Ansätze in innovative AI-Lösungen für Banken und Versicherungen.
  • Du verfolgst aktuelle Forschung im Bereich Graph Intelligence und bringst wissenschaftliche Erkenntnisse in die Weiterentwicklung unserer Data-&-AI-Lösungen ein.

Deine Skills:

  • Du hast einen sehr guten Masterabschluss in Informatik, Mathematik, Statistik, Physik oder einem verwandten quantitativen Fach und arbeitest aktuell an deiner Promotion oder beginnst das Promotionsstudium in Kürze.
  • Du hast fundierte Kenntnisse in Python und PyTorch sowie Erfahrung mit sauberem, reproduzierbarem Code, Git und systematischer Modellevaluation.
  • Du hast praktisch mit PyTorch Geometric oder DGL gearbeitet und mindestens ein GNN-Modell selbst trainiert, beispielsweise GCN, GAT oder GraphSAGE, idealerweise auf realitätsnahen Daten.
  • Du verstehst selbstüberwachtes Lernen konzeptionell und praktisch und kennst Ansätze wie rekonstruktionsbasierte Verfahren, kontrastive Lernziele oder Masked-Graph-Modelle.
  • Du kennst zentrale Herausforderungen der Graphkonstruktion, darunter Entity Resolution, Record Linkage, kNN-basierter Graphaufbau sowie die Auswirkungen fehlerhafter, fehlender oder zeitlich inkonsistenter Kanten.
  • Du verfügst über sehr gute Deutschkenntnisse (mindestens C1-Niveau, verhandlungssicher) sowie gute Englischkenntnisse (mindestens B2-Niveau, fließend) in Wort und Schrift. #LI-Hybrid #LI-LE1

Diese Skills wären ein weiteres Plus, sind aber kein Muss:

  • Erfahrung mit Neo4j, Knowledge Graphs, Property Graphs oder Entity Resolution.
  • Kenntnisse in graphbasierter Anomalieerkennung, etwa mit DOMINANT, AnomalyDAE oder CARE-GNN, sowie Erfahrung mit kontrastivem Lernen.
  • Erste Erfahrung mit Fraud Detection, Anti-Money Laundering (AML) oder der Analyse komplexer Transaktionsnetzwerke.
  • Erfahrung mit Docker, Modellversionierung, Monitoring und dem produktiven Deployment von Machine-Learning-Modellen.

Diese Stelle ist in Voll- oder Teilzeit zu besetzen.

Similar roles