Thesis Intern Financial Crime Technology

Sluit je aan bij ons innovatieve Financial Crime Technology team bij Deloitte, waar we geavanceerde AI technieken inzetten om financiële criminaliteit te detecteren en te voorkomen.

• Voer onderzoek uit voor je masterscriptie naar geavanceerde wiskundige en AI-technieken (bijv. variational autoencoders) om signalen van financiële criminaliteit te detecteren en risico’s te begrijpen en beheersen.
• Pas data processing technieken toe om grote transactiestromen geschikt te maken voor modellering.
• Bouw, train en evalueer machine learning modellen en experimenteer met GenAI tools voor explainability en ondersteuning bij feature engineering.
• Werk mee aan een onderzoeksproject met één of meerdere klanten uit de financiële sector.
• Werk nauw samen met je Deloitte begeleider en de klant(en) tijdens je onderzoek.
• Presenteer onderzoeksresultaten en aanbevelingen ter verbetering van detectiestrategieën.

Natuurlijk wil je elke dag nieuwe dingen ontdekken en leren en straal je zelfvertrouwen uit. Bovenal durf je jezelf te zijn. De ware jij. Met je eigen sterke punten, blik op de wereld en persoonlijkheid. Voor deze functie vragen we het volgende:

• Je volgt een masteropleiding in AI, business analytics, wiskunde, computer science, econometrie of een vergelijkbaar vakgebied.
• Ervaring met Python (of een vergelijkbare programmeertaal) en machine learning frameworks.
• Goede communicatieve vaardigheden, een nieuwsgierige houding en leergierigheid in een teamomgeving met klantcontact.
• Interesse in het bestrijden van financiële criminaliteit en het vertalen van onderzoek naar concrete en praktische impact.

Witwassen, fraude en terrorisme financiering zijn grote maatschappelijke uitdagingen. Banken en financiële instellingen verliezen jaarlijks miljarden aan financiële criminaliteit en besteden evenveel om dit tegen te gaan. Als scriptie stagiair(e) Financial Crime Technology onderzoek je hoe geavanceerde technieken, zoals variational autoencoders en GenAI, de detectie van financiële criminaliteit en risicobeoordeling kunnen verbeteren. Je werkt met grote transactiedatasets en ontwerpt de benodigde data processing (ETL, opschoning en feature engineering) zodat modellen betrouwbaar miljoenen records kunnen verwerken. Dit onderzoek geeft je praktijkervaring met echte data uitdagingen en de kans om bij te dragen aan impactvolle projecten. Je krijgt daarbij begeleiding van vakexperts op het gebied van data analytics, AI en financiële criminaliteit.