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

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. Deine Benefits Versicherung &
Altersvorsorge: Sicher unterwegs mit zeb – über eine
Gruppenunfallversicherung bist du auch privat in Deutschland
versichert. Für Auslandsdienstreisen besteht eine zusätzliche
Auslandsversicherung, und für deine Altersvorsorge kannst du über
zeb eine betriebliche Altersvorsorge abschließen. Mobiles Arbeiten:
Durch unsere technische Ausstattung ist mobiles Arbeiten von überall
möglich – unabhängig davon, ob du gerade im Zug, zu Hause oder im
Office bist. zeb.life: Dein Leben verändert sich – und wir möchten
dich in den verschiedenen Phasen begleiten. Mit zeb.life findest du
Unterstützung beispielsweise bei der Kinderbetreuung, im
Lebenslagenmanagement und Eldercare oder bei der Suche nach
Conciergediensten. Arbeitszeitmodelle: Bei uns gilt für alle
Mitarbeitenden das Prinzip "trust-based hours" für flexible
Arbeitszeiten. Für Festangestellte sind auch Teilzeitmodelle
möglich: Unter Berücksichtigung deines Projekts kannst du in
Absprache mit deinem:deiner CDC (Career Development Counselor) dein
Modell entwickeln und nach Bedarf anpassen. Gestalte dein
Arbeitszeitmodell sowie deine Stunden damit nach deinen privaten
Anforderungen und passe deine Arbeitszeiten an deine persönliche
Situation an. Als Vertragsoption bietet das Modell "Family & More"
zudem eine Garantie für reisefreie Wochentage, die vertraglich
fixiert sind. Je nach Umfang der Reduzierung der Reisezeit erfolgt
eine zeitlich befristete Gehaltsanpassung.