Thesis Intern Financial Crime Technology

Sluit je aan bij ons innovatieve Financial Crime Technology-team bij Deloitte. We zetten geavanceerde AI-technieken in om financiële criminaliteit op te sporen en te voorkomen. Bij Deloitte. 

• Voer voor je masterscriptie onderzoek uit naar representatieleer en deep-learningarchitecturen. Het doel is gedragsprofielen te ontwikkelen waarmee financieel-economische criminaliteit kan worden opgespoord.
• Vergelijk verschillende modelarchitecturen, optimaliseer de prestaties binnen de beschikbare middelen en toets de modellen aan relevante toepassingen rond financieel-economische criminaliteit.
• Werk samen met het data science-team van Deloitte en de partnerende Nederlandse financiële instelling. Samen identificeer je nieuwe toepassingen, breng je opkomende criminaliteitstypologieën in kaart en verfijn je de inzet van de modellen.
• Presenteer je onderzoeksresultaten, bevindingen over de modellen en aanbevelingen. Zo draag je bij aan de ontwikkeling van een intern foundationmodel voor de preventie van financieel-economische criminaliteit.
• Maak deel uit van het Financial Crime Technology-team van Deloitte: een dynamische en ondersteunende werkomgeving waarin jouw ideeën worden gewaardeerd.

Natuurlijk ben je nieuwsgierig, wil je elke dag nieuwe dingen ontdekken en leren, en sta je stevig in je schoenen. Maar bovenal: wees jezelf. Met jouw persoonlijke kwaliteiten, jouw kijk op de wereld en jouw unieke persoonlijkheid. Voor de functie van Thesis Intern Financial Crime Technology heb je het volgende nodig:

• Je volgt momenteel een masteropleiding in Artificial Intelligence, Computer Science, Data Science, Toegepaste Wiskunde, Econometrie of een vergelijkbare richting.
• Je hebt een sterke basis in programmeren, statistiek en wiskunde.
• Je communiceert goed, bent nieuwsgierig en wilt graag leren in een team dat met klanten samenwerkt.
• Je hebt interesse in het voorkomen van financiële criminaliteit en in het vertalen van onderzoek naar impact in de praktijk.
• Je leert snel, bent zeer gemotiveerd en bent fulltime beschikbaar. Je werkt hybride, met twee tot drie dagen per week op kantoor.

Daarnaast waarderen we:

• Ervaring met modellen op basis van transformers en representatieleer.
• Een sterke interesse in of ervaring met de toepassing van agentic AI.

Witwassen, terrorismefinanciering en andere vormen van financieel-economische criminaliteit (FEC) zijn activiteiten waarmee wereldwijd biljoenen worden verdiend. Ze financieren grootschalige criminele netwerken, ondermijnen het vertrouwen in het financiële stelsel en schaden de legitieme economie. Daarom is het opsporen en voorkomen van FEC een belangrijke verantwoordelijkheid van moderne financiële instellingen in Nederland.

Om dit effectief te kunnen doen, moeten financiële instellingen het gedrag van miljoenen bankrekeningen kunnen vergelijken en analyseren. De transactiegeschiedenis van een rekening is echter complex, omvangrijk en bevat veel ruis. Daardoor is het bijzonder lastig om het daadwerkelijke gedrag van een rekening op een eenvoudige, gestandaardiseerde en betekenisvolle manier te beschrijven. Deze complexiteit maakt het voor onderzoekers moeilijk om efficiënt gedragspatronen te herkennen bij het onderzoeken van geavanceerde criminaliteitstypologieën.

Representatieleer kan hierbij uitkomst bieden. Met deze aanpak zetten deep-learningmodellen, die zonder of met beperkte gelabelde gegevens worden getraind, ruwe transactiegegevens om in een beknopt en meetbaar ‘gedragsprofiel’. Dit compacte profiel kan op verschillende manieren bijdragen aan de bestrijding van witwassen (AML). Zo kan het worden gebruikt voor vervolgonderzoek, zoals het opsporen van afwijkende rekeningen, het ontdekken van nieuwe typologieën door rekeningen te groeperen en het vinden van rekeningen die overeenkomsten vertonen met bekende FEC-casussen.

Dit onderzoek biedt je praktijkervaring met uitdagingen rond echte data en de kans om bij te dragen aan een project met maatschappelijke impact. Je krijgt bovendien begeleiding van experts uit de praktijk op het gebied van data-analyse, AI en financiële criminaliteit.