Une grande institution financière établie à Bruxelles, en Belgique, renforce son équipe Artificial Intelligence en recrutant un Expert Fraud Data Scientist afin d'améliorer la détection de la criminalité financière dans les données bancaires. La fonction combine Python, SQL et des méthodes de détection de la fraude telles que le machine learning, le graph analytics et le behavioral analytics sur de vastes ensembles de données transactionnelles et clients.
La mission
L'équipe Artificial Intelligence regroupe environ 90 spécialistes en Data Science, Machine Learning Engineering et Business Analysis, ainsi que des Scrum Masters, des experts en Product Ownership et des membres du management. Elle développe des applications AI pour assister les clients, améliorer la productivité des collaborateurs et automatiser les processus internes, tandis que la fraud analytics transforme les données collectées, labellisées, enrichies et structurées en contrôles destinés aux opérations bancaires. L'écosystème technique comprend SQL, Python avec Pandas, Spark/Hadoop et des technologies de traitement distribué des données, appliquées à de vastes ensembles de données transactionnelles et comportementales.
En tant que Senior Data Scientist spécialisé en Fraud Detection, vous travaillerez sur l'ensemble du cycle, de la collecte des données et du feature engineering au développement, à la validation et à l'amélioration continue des modèles. Vous collaborerez avec les équipes Fraud Operations, Risk, Compliance et Product afin de traduire les schémas de fraude émergents en solutions analytiques scalables. Votre travail contribuera aux enquêtes sur des mécanismes de fraude complexes et de nouveaux attack vectors, et aidera l'organisation à réduire les risques financiers et les risques pour sa réputation.
Vos responsabilités
- Améliorer la qualité des données collectées, labellisées, structurées et enrichies afin d'accroître la fiabilité des modèles de détection de la fraude.
- Concevoir, entraîner, valider et affiner des modèles de détection de la fraude en s'appuyant sur les approches supervised and unsupervised machine learning, anomaly detection, graph analytics, network analysis et behavioral analytics.
- Transformer de grands volumes de données transactionnelles et clients en informations exploitables en matière de fraude grâce à des activités de feature engineering, data enrichment et pattern discovery.
- Analyser des mécanismes de fraude complexes et de nouveaux attack vectors, puis traduire les constats en stratégies de détection concrètes pour les équipes Fraud Operations et Risk.
- Développer des solutions AI data-centric en appliquant de solides pratiques de software engineering et contribuer à leur déploiement en production.
- Communiquer clairement les résultats analytiques aux parties prenantes techniques et métier afin d'éclairer les décisions des équipes Fraud, Compliance et Product.
Votre profil
Compétences essentielles
- Au moins 7 ans d'expérience en Data Science, dont une expérience pratique substantielle en détection de la fraude et dans le développement d'applications AI.
- Capacité à traiter de très grands ensembles de données à l'aide de SQL, Python, Pandas, Spark/Hadoop et de technologies de traitement distribué des données.
- Capacité à mettre en œuvre les approches supervised and unsupervised machine learning, anomaly detection, graph analytics, network analysis et behavioral analytics.
- Solide expérience en feature engineering, data enrichment, data validation et pattern discovery sur des données transactionnelles et comportementales.
- Expérience dans le développement de solutions AI data-centric avec des pratiques de software engineering adaptées à un déploiement en production.
- Capacité à travailler de manière autonome, à communiquer clairement les résultats analytiques et à collaborer avec les équipes Fraud Operations, Risk, Compliance et Product.
Compétences souhaitées
- Expérience dans le secteur financier, en particulier en fraud analytics.
- Expérience pratique en generative AI.
- Expérience en programmation Java.
- PhD en statistiques, en informatique, en ingénierie ou dans une autre discipline quantitative.
Langues
- Anglais courant, niveau C1 ou supérieur selon le CEFR.
Formation
- Master en statistiques, en informatique, en ingénierie ou dans un autre domaine quantitatif, ou une expérience analytique équivalente et démontrable.