Anti-Fraud-Graph-Analyse für einen österreichischen Telekommunikations-Anbieter
Übersicht
Worum es bei diesem Projekt geht.
Du erhältst einen anonymisierten 14-Tage-Datensatz von rund 80 Millionen Call Detail Records (CDR — Anrufdetail-Datensätze) mit pseudonymisierten Nummern, Zeitstempeln, Anrufdauer und Cell-ID. Baue einen Anruf-Graphen auf, identifiziere verdächtige Sub-Graphen mit Strukturmustern (Stern-Topologien, ungewöhnliche Anrufdauer-Verteilungen, kurzlebige Knoten), und liefere wöchentliche Ringe an das Fraud-Team. Erfolg heißt: mindestens 80 % der manuell vom Fraud-Team markierten Ringe der letzten 4 Wochen werden in der Top-50-Verdächtigen-Liste deiner Pipeline gefunden.
Das Briefing
Was Du tust und was Du zeigst.
Baue eine Graph-basierte Anti-Fraud-Pipeline, die wöchentliche Verdachts-Ringe an das Fraud-Team liefert und 80 % der bekannten Ringe re-identifiziert.
Earning criteria — what you'll demonstrate
- Graph-Strukturen aus großen Transaktions-Logs aufbauen
- Anomalie-Detektion über Sub-Graph-Strukturen formulieren
- Eine Detektion gegen menschliche Ground-Truth fair evaluieren
- Ergebnisse an ein operatives Team in deren Sprache übergeben
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Fähigkeiten
Fähigkeiten, die Du unter Beweis stellst.
Jede taucht auf Deinem verifizierten Zertifikat auf.
Karrieren
Berufe, auf die dies Dich vorbereitet.
Echte Berufsbezeichnungen. Echte Skill-Brücken. Wähle die, die Deinem Werdegang am nächsten kommt.
Karrierewege, die das aufbaut
Kanonische RollenData Scientist
Anti-Fraud-Graph-Analyse mit Ground-Truth-Evaluation und operativer Übergabe ist klassische Data-Science-Arbeit in Telekommunikations- und Finanzdienstleistungs-Umgebungen.
Dieses Projekt schärft
- network-analysis
- anomaly-detection
- fraud-analytics
Maschinelles-Lernen-Ingenieur:in
Eine inkrementelle Detektions-Pipeline mit wöchentlichem Lauf und Robustheit gegen Daten-Lücken ist MLE-Tagesgeschäft in produktiven Risk-Stacks.
Dieses Projekt schärft
- python
- graph-algorithms
- evaluation
Angewandte:r KI-Wissenschaftler:in
Detektions-Ergebnisse in eine wöchentliche Operations-Routine zu übersetzen ist die typische Brückenarbeit zwischen Forschung und Operations in regulierten Branchen.
Dieses Projekt schärft
- fraud-analytics
- anomaly-detection
- evaluation
Noch eine Sache