Symbiose.
Data engineer

Data Scientist AML - Freelance (H/F)

Collective.work Paris Indépendant publiée aujourd'hui

Le poste

Recherche d'un Data Scientist senior avec forte dimension software engineering pour concevoir, développer et déployer des modèles ML en production. Contribution à une nouvelle plateforme AML interne, en lien avec les équipes techniques, AML, Compliance et Product Owners. CONTEXTE - Contexte de nouvelle plateforme AML interne visant à transformer la manière de concevoir, développer, tester et déployer les dispositifs de détection. MISSIONS - Machine Learning for AML Detection - Concevoir, développer et évaluer des modèles de Machine Learning complétant les mécanismes de détection à base de règles. - Identifier des opportunités pour améliorer l'efficacité de détection, augmenter la pertinence des alertes et réduire la charge d'investigation inutile sans compromettre l'identification des activités à risque élevé. - Appliquer un large éventail de techniques ML, incluant supervised learning, unsupervised learning, anomaly detection, graph-based approaches et ensemble methods, en sélectionnant l'approche la plus appropriée selon le cas d'usage. - Développer des features au niveau customer, entity et transaction pour identifier des comportements, relations et patterns suspects sur différentes fenêtres temporelles. - Traiter des enjeux AML clés, notamment des jeux de données très déséquilibrés, des labels incomplets ou retardés, une vérité terrain limitée, l'explicabilité des modèles et l'évolution des patterns de risque. - Concevoir des stratégies de validation robustes, incluant validation temporelle, backtesting, benchmark comparisons et analyse de performance par segments de clientèle et catégories de risque. - ML Engineering and Platform Integration - Comprendre et contribuer à un environnement technologique distribué, ainsi qu'aux data pipelines associés, mécanismes de déploiement et tooling AI/ML. - Contribuer au déploiement des modèles, à l'orchestration, au monitoring, au versioning, à la reproductibilité et à la gestion du cycle de vie. - Collaborer avec les équipes d'ingénierie pour assurer la fiabilité, la performance, l'observabilité, les tests et la résilience opérationnelle. - Model Performance, Governance and Continuous Improvement - Définir et suivre des métriques de performance modèle adaptées, incluant precision, recall, false-positive rates, detection coverage et impact opérationnel. - Garantir que les sorties des modèles soient interprétables, traçables et étayées par des éléments exploitables par les analystes pendant les investigations. - Surveiller la performance des modèles, la qualité des données et le drift, et mettre en œuvre les stratégies appropriées de retraining, recalibration ou remediation. - Soutenir la documentation modèle, la validation, l'auditabilité et les exigences de gouvernance liées à la détection AML. - Travailler avec les spécialistes AML et les investigators pour intégrer les retours issus des investigations dans l'amélioration continue des capacités de détection. - Collaboration and Technical Ownership - Travailler étroitement avec les Software Engineers, Data Engineers, AML SMEs, Compliance et Product Owners pour traduire les besoins de détection en solutions techniques efficaces. - Contribuer aux décisions de conception technique et établir des patterns réutilisables pour intégrer des modèles ML supplémentaires dans la plateforme. - Partager les connaissances et contribuer au développement des capacités Machine Learning et IA de l'équipe. ORGANISATION & QUOTIDIEN - Position en collaboration étroite avec les équipes Software Engineers, Data Engineers, AML SMEs, Compliance et Product Owners. - La mission implique une contribution technique forte sur une plateforme AML interne en construction, avec logique de conception, intégration et amélioration continue. COMPÉTENCES TECHNIQUES - Recover and clean data from various sources such as databases, APIs and files. - Perform exploratory data analyses (EDA). - Perform transformations and feature