Chercheur post - doc en science des données et économétrie financière (F/H)

Présentation du projet :

La fraude financière génère des coûts majeurs, financiers comme sociaux, et évoluent constamment avec la numérisation et l'émergence de nouveaux canaux de paiement. Le projet développe des méthodes interprétables et opérationnellement pertinentes pour détecter la fraude dans l'assurance, les cotisations sociales et la banque.
La recherche s'appuie sur des données volumineuses, hétérogènes et souvent sensibles pour identifier des comportements anormaux, des réseaux suspects et des schémas de fraude émergents, tout en maîtrisant les faux positifs et en préservant l'interprétabilité des modèles. Les travaux porteront sur la modélisation avec déséquilibre de classes, l'apprentissage (semi-)supervisé et sensible au coût, les méthodes de réseau et graphique pour découvrir les schémas coordonnés, ainsi que le développement de modèles explicables et robustes adaptés aux environnements régulés. Une attention particulière sera accordée aux stratégies adaptatives face à l'évolution des techniques frauduleuses et aux dynamiques temporelles.

Missions :

Nous recherchons un chercheur postdoctoral pour développer des modèles de machine learning et deep learning appliqués à la détection de fraude dans l'assurance, les cotisations sociales et la banque.

Le travail comprendra le développement et la mise en œuvre de méthodes interprétables de ML/DL pour la détection d'anomalies, l'analyse et le prétraitement de datasets volumineuses provenant de secteurs financiers divers, des études comparatives des méthodologies de détection, la collaboration avec des partenaires industriels pour valider les modèles sur données propriétaires.
Le candidat contribuera à 2-3 publications dans des revues internationales à comité de lecture et à des présentations en conférences majeures. Il disposera d'une autonomie scientifique significative, avec mentorat de chercheurs seniors et accès aux infrastructures du laboratoire.