Stage Détection avancée de fraude par analyse de séries temporelles et IA hybride

Objectifs

Dans le cadre dun projet innovant de détection de fraude basé sur lanalyse de consommation multifluide nous cherchons à améliorer notre modèle existant. Lobjectif de ce stage est de développer et dintégrer un modèle de détection danomalies spécialisé dans lanalyse de séries temporelles de consommation puis de le combiner avec notre modèle supervisé actuel pour créer une solution hybride performante.

Votre mission sera de concevoir implémenter et optimiser cette approche en utilisant des techniques de pointe en machine learning et en analyse de séries temporelles. Vous travaillerez sur des données réelles de consommation avec pour défi didentifier efficacement les patterns anormaux indicateurs de fraude potentielle dans un contexte où la gestion des incertitudes et la précision des prédictions sont cruciales.
 

Missions principales

• Appropriation du contexte du projet et des enjeux spécifiques à la détection de fraude sur données de consommation ;

• Analyse approfondie des séries temporelles de consommation multifluide ;

• Recherche et implémentation dalgorithmes de détection danomalies adaptés aux séries temporelles

• Développement dun modèle non supervisé spécialisé dans la détection danomalies sur les profils de consommation temporels ;

• Intégration du modèle de détection danomalies avec le modèle supervisé existant pour créer une solution hybride ;

• Évaluation comparative des performances entre lapproche existante et la nouvelle approche hybride ;

• Optimisation fine des modèles pour maximiser la précision de détection tout en minimisant les faux positifs ;

• Documentation détaillée de lapproche et présentation des résultats à léquipe projet.

Qualifications :

Formation

Niveau Bac5 (université ou école dingénieur) :

en data science machine learning et/ou mathématiques appliquées.

Vos compétences 

Vous possédez :

• Une solide expérience en machine learning particulièrement dans les techniques avancées de détection danomalies et lanalyse de séries temporelles ;

• Des compétences avancées en programmation Python et dans lutilisation des bibliothèques de data science (Numpy Pandas Scikit-learn etc.) ;

• Des compétences approfondies en deep learning notamment dans limplémentation et loptimisation de modèles complexes comme les Transformers et les GAN pour les séries temporelles ;

• Une maîtrise des frameworks de deep learning (TensorFlow PyTorch Keras) et une capacité à implémenter des architectures de réseaux de neurones avancées ;

• Une connaissance des dernières avancées en matière de modèles de détection danomalies pour les séries temporelles y compris les approches basées sur lattention et les modèles génératifs ;

• Une familiarité avec les outils de versioning (Git) et les environnements de développement collaboratif ;

• Des capacités à travailler avec des bases de données et à effectuer des requêtes SQL ;

• Une aisance dans la visualisation de données et la création de dashboards ;

• Des compétences en communication pour présenter efficacement les résultats techniques à un public non-technique.

Vos qualités votre savoir-être

Vous êtes : 

• Passionné(e) par lapplication de techniques avancées de machine learning et danalyse de séries temporelles à des problématiques concrètes ;

• Capable de penser de manière créative pour adapter les algorithmes existants aux spécificités des données de consommation ;

• Doté(e) dun esprit analytique pointu avec une capacité à identifier des patterns subtils dans les données temporelles ;

• Capable de suivre comprendre et implémenter rapidement les dernières avancées en matière de détection danomalies dans les séries temporelles publiées dans la littérature scientifique ;

• Capable de communiquer clairement vos idées et vos résultats en mettant laccent sur linterprétabilité des modèles ;

• Motivé(e) par les enjeux éthiques liés à la détection de fraude et conscient(e) de limpact potentiel de vos analyses.

Informations supplémentaires :

En tant quentreprise inclusive Veolia sengage pour la diversité et accorde la même considération à toutes les candidatures sans discrimination. 

Remote Work :

No

Employment Type :

Full-time