Ir al contenido principal
InicioR

Curso

Detección de fraude en R

IntermedioNivel de habilidad
Actualizado 8/2024
Aprende a detectar el fraude con análisis en R.
Comienza el curso gratis
RMachine Learning
4 h
16 vídeos
49 Ejercicios
3,900 XP
7,566
Certificado de logros

Crea tu cuenta gratuita

Continuar con GoogleMostrar más opciones

o

Al continuar, aceptas nuestros Términos de uso, nuestra Política de privacidad y que tus datos se almacenen en los EE. UU.

Preferido por estudiantes en miles de empresas

Group

¿Formando un equipo?

Prueba para empresas

Descripción del curso

La Association of Certified Fraud Examiners estima que el fraude cuesta a las organizaciones de todo el mundo 3,7 billones de dólares al año y que una empresa típica pierde un cinco por ciento de sus ingresos anuales por fraude. Se espera que los intentos de fraude sigan aumentando en el futuro, por lo que la detección de fraude es imprescindible en la mayoría de sectores. En este curso verás cómo aprender patrones de fraude a partir de datos históricos puede ayudar a combatirlo. Se presentan algunas técnicas de estadística robusta y análisis de dígitos para detectar observaciones inusuales que probablemente estén asociadas al fraude. Dos retos principales al construir una herramienta supervisada para la detección de fraude son el desbalance o asimetría de los datos y los distintos costes de los diferentes tipos de clasificación errónea. Presentamos técnicas para resolver estos problemas y nos centramos en conjuntos de datos artificiales y reales de una amplia variedad de aplicaciones de fraude.

Requisitos previos

Unsupervised Learning in RSupervised Learning in R: Classification
1

Introducción y motivación

En este capítulo se dará primero una definición formal de fraude. Después aprenderás a detectar anomalías en el tipo de métodos de pago usados o en el momento en que se realizan estos pagos para señalar transacciones sospechosas.
Iniciar capítulo
2

Analítica de redes sociales

En el segundo capítulo, aprenderás a usar redes para luchar contra el fraude. Visualizarás redes y usarás un concepto de la sociología llamado homofilia para detectar transacciones fraudulentas y atrapar a los estafadores.
Iniciar capítulo
3

Distribuciones de clases desbalanceadas

Afortunadamente, los casos de fraude son poco frecuentes. Sin embargo, esto implica que trabajarás con datos desbalanceados, que si se dejan tal cual sesgarán tus modelos de detección. En este capítulo abordarás el desbalance usando métodos de sobremuestreo y submuestreo.
Iniciar capítulo
Detección de fraude en R
Curso
completo

Obtener certificado de logros

Añade esta certificación a tu perfil de LinkedIn o a tu currículum.
Compártelo en redes sociales y en tu evaluación de desempeño.Inscríbete ahora

    ¡Únete a 19 millones de estudiantes y empieza Detección de fraude en R hoy mismo!

    Crea tu cuenta gratuita

    Continuar con GoogleMostrar más opciones

    o

    Al continuar, aceptas nuestros Términos de uso, nuestra Política de privacidad y que tus datos se almacenen en los EE. UU.

    Desarrolla tus habilidades de datos con la aplicación móvil de DataCamp

    Progresa desde cualquier dispositivo móvil con nuestros cursos y desafíos de programación diarios de 5 minutos.