R में Fraud Detection

Association of Certified Fraud Examiners के अनुसार, धोखाधड़ी की वजह से संगठनों को हर साल लगभग $3.7 ट्रिलियन का नुकसान होता है और एक सामान्य कंपनी अपनी वार्षिक आय का करीब पाँच प्रतिशत धोखाधड़ी के कारण खो देती है। भविष्य में धोखाधड़ी के प्रयास और बढ़ने की उम्मीद है, इसलिए अधिकांश उद्योगों में धोखाधड़ी का पता लगाना बेहद ज़रूरी है। यह कोर्स दिखाएगा कि ऐतिहासिक डेटा से धोखाधड़ी के पैटर्न सीखकर उन्हें रोकने में कैसे उपयोग किया जा सकता है। असामान्य ऑब्जर्वेशन्स की पहचान करने के लिए मजबूत सांख्यिकी (robust statistics) और अंक-विश्लेषण (digit analysis) की कुछ तकनीकों को प्रस्तुत किया गया है, जो अक्सर धोखाधड़ी से जुड़ी होती हैं। Fraud detection के लिए supervised टूल बनाते समय दो मुख्य चुनौतियाँ होती हैं: डेटा का असंतुलन या skewness, और अलग-अलग प्रकार की misclassification की विभिन्न लागतें। हम इन समस्याओं के समाधान के लिए तकनीकों को प्रस्तुत करेंगे और धोखाधड़ी के विभिन्न अनुप्रयोगों से लिए गए कृत्रिम और वास्तविक दोनों तरह के डेटासेट्स पर फोकस करेंगे।