Anomalieerkennung in Finanzdaten durch unbeaufsichtigtes maschinelles Lernen.

Kurzbeschreibung / Ausgangslage.

Bei der Erkennung von Anomalien werden unerwartete Elemente oder Ereignisse in Datensätzen identifiziert, die von der Norm abweichen. Die Anomalieerkennung wird häufig auf unbeschriftete Daten angewendet, die als unbeaufsichtigte Erkennung von Anomalien bezeichnet werden. Mit der zunehmenden Komplexität und Größe von Datensätzen wird es immer schwieriger, Anomalien zu erkennen. Methoden des maschinellen Lernens sind effiziente Tools, um Anomalien in großen Datensätzen mit hoher Genauigkeit zu erkennen.

Aufgabenstellung / Ziele.

In der Internen Revision der SBB führen wir Risikoanalysen in verschiedenen Bereichen der SBB durch. In unseren Analysen beschäftigen wir uns sehr oft mit Daten, die Anomalien enthalten können. Beispielsweise können Finanzdaten im Zusammenhang mit der Bestellung von Waren Anomalien enthalten. Aus diesem Grund möchten wir ein Masterprojekt durchführen, das darauf abzielt, Methoden des maschinellen Lernens zu entwickeln, die zur Anomalieerkennung verwendet werden können. Konkret umfasst das Masterprojekt die Verwendung unbeaufsichtigter Bibliotheken für maschinelles Lernen in Python, z. B. Tensorflow 2, um Anomalieerkennungsmethoden zu entwickeln und solche Methoden in Finanzdaten anzuwenden, um Anomalien zu erkennen.

Anforderungen (Studienrichtung, Studiendauer).

Masterstudent in Ingenieurwesen, Statistik, Mathematik oder Physik

Fachgebiet / Themen.

Auswahl möglicher Fachgebiete 

  • Einkauf / Beschaffung / Logistik
  • Finanzen / Controlling
  • Immobilien
  • Marketing / Kommunikation
  • Recht / Compliance
  • Sicherheits- und Qualitätsmanagement

Ort.

Bern

Zeitraum.

Von Mitte Februar bis Ende Juni

Sprachkenntnisse.

Englisch ist notwendig. Deutsch und Französisch sind ein Plus, aber nicht erforderlich.

Kontaktadresse.

Amin Niayifar (amin.niayifar@SBB.chLink öffnet in neuem Fenster.)

Form der Bewerbung und gewünschte Dokumente.

Bitte senden Sie Ihre Bewerbung in einer Zip-Datei, die Folgendes enthält:

  • Lebenslauf
  • Motivationsschreiben
  • Bachelor- und Master-Zeugnisse
  • Empfehlungsschreiben (optional)

Weiterführender Inhalt