Ingénieur Développement :Fraud Detection in Mobile Payments (H/F) en stage

Description de l'offre

equensWorldline is one of the leading and most innovative payment service providers in Europe. As experts in financial processing and software licensing we provide services to fulfill all needs of the dynamic European payments market. Besides traditional payment services our platforms are also geared for mobile payments, instant payments, e-payments, e-mandates and e-identity transactions. Each year we process billions of payments, point-of-sale and ATM transactions per year. Obviously, all those transactions must be processed seamlessly, securely and efficiently. And that’s what we do.

Being a central pillar of the Worldline Group, it’s our ambition to support our clients in keeping up with the rapidly shifting needs and increasing demands of their customers. A challenging job, as the European payments market – and therefore also our organization – is subject to continuous change. equensWorldline is a truly European company with office locations in multiple countries and a broad, international client base in numerous countries across Europe. We are part of the wider Atos Group.

Contexte du stage :

Grace sa simplicité, à sa gratuité et à son instantanéité, le paiement mobile s’intègre dans notre vie quotidienne. Plusieurs géants informatiques ont lancé des solutions de paiement mobile comme Android Pay ou encore Apple pay. Ce nouveau moyen de paiement attire aussi la convoitise de nombreux fraudeurs. Par rapport au moyen classique de paiement, non seulement les comportements des fraudeurs sont changés mais aussi ceux des utilisateurs légitimes. Par conséquent, il est important de comprendre ses nouveaux comportements afin de nous permettre de mieux détecter les fraudeurs. Le département R&D de Worldline, développe des prototypes qui mettent en œuvre des technologies innovantes pour détecter tous les types de fraudes dans différents contextes. Durant ce stage, vous intégrerez nos équipes R&D afin de participer à la réalisation de PoC innovants dans ce domaine, basés sur des nouvelles techniques de « Machine Learning » et de « Data Mining ».

Le projet :

Vous serez amené(e)s à prendre connaissance de différentes techniques de « Machine Learning » et de « Outlier Analysis » [1] afin de améliorer notre système antifraude [2]. [1] Aggarwal, C.C. Outlier Analysis. Springer International Publishing, 2016. [2] Aisha Abdallah, Mohd Aizaini Maarof, Anazida Zainal, Fraud detection system: A survey, Journal of Network and Computer Applications, Volume 68, June 2016, Pages 90-11

A la fin du stage, vous aurez appris à :

- Approfondir vos connaissances théoriques sur les méthodes de « machine learning » et « data mining »;

- Explorer de nouvelles idées développées dans le monde de la recherche sur le thème du « Machine learning »;

- Appréhender les bonnes pratiques de développement sur différentes plateformes, et de modélisation de nouveaux modèles de détection de fraude.

Etudiant(e) Bac +5 en école d’ingénieur ou université orientée informatique. Vous connaissez les méthodes de « machine learning », « data mining » et « graph theory ». La créativité, l’autonomie, l’ouverture d'esprit sont des atouts complémentaires.

Why work at equensWorldline?
Our culture is informal. Within our company, teamwork and clarity are very important, as well as customer-focus and a result-oriented approach. And of course…pleasure in our work! We work closely together with our colleagues in the different countries. English is our common language. As a result you really experience that you are part of a European, international company.

Your Application
If you wish to apply for this position, please click below to complete our online application form and attach your CV in either Word, rtf or text format.
Atos does not discriminate on the basis of race, religion, colour, sex, age, disability or sexual orientation. All recruitment decisions are based solely on qualifications, skills, knowledge and experience and relevant business requirements.
We are committed to making reasonable adjustments to the applications process for people with disabilities.