Setelah mengikuti kursus-kursus ini, saya merasa percaya diri membuat visualisasi dan dasbor profesional
Shoebur RahmanSpesialis Pengadaan, Giz Bangladesh
Deskripsi Kursus
Association of Certified Fraud Examiners memperkirakan bahwa kecurangan menelan biaya bagi organisasi di seluruh dunia sebesar $3,7 triliun per tahun dan perusahaan rata-rata kehilangan lima persen dari pendapatan tahunannya akibat fraud. Upaya kecurangan bahkan diperkirakan akan terus meningkat di masa depan, sehingga deteksi fraud menjadi sangat diperlukan di sebagian besar industri. Kursus ini akan menunjukkan bagaimana mempelajari pola fraud dari data historis dapat digunakan untuk memerangi kecurangan. Beberapa teknik dari statistika robust dan analisis digit disajikan untuk mendeteksi pengamatan tidak biasa yang kemungkinan terkait dengan fraud. Dua tantangan utama saat membangun alat terawasi untuk deteksi fraud adalah ketidakseimbangan atau kemencengan data dan beragamnya biaya untuk berbagai jenis salah klasifikasi. Kami menyajikan teknik untuk mengatasi isu-isu ini dan berfokus pada himpunan data buatan dan nyata dari beragam aplikasi fraud.
Prasyarat
Kurikulum
Ringkasan kursus
1
Pendahuluan & Motivasi
Bab ini terlebih dahulu akan memberikan definisi formal tentang fraud. Anda kemudian akan mempelajari cara mendeteksi anomali pada jenis metode pembayaran yang digunakan atau waktu pembayaran dilakukan untuk menandai transaksi yang mencurigakan.
- Pendahuluan & Motivasi50 XP
- Distribusi kelas yang tidak seimbang100 XP
- Biaya tidak mendeteksi kecurangan100 XP
- Fitur waktu50 XP
- Histogram melingkar100 XP
- Cap waktu mencurigakan100 XP
- Fitur frekuensi50 XP
- Fitur frekuensi untuk satu akun100 XP
- Fitur frekuensi untuk beberapa akun100 XP
- Fitur kebaruan50 XP
- Fitur recency100 XP
- Membandingkan frekuensi & resensi100 XP
2
Analitik jejaring sosial
Pada bab kedua, Anda akan mempelajari cara menggunakan jejaring untuk memerangi fraud. Anda akan memvisualisasikan jejaring dan menggunakan konsep sosiologi yang disebut homofili untuk mendeteksi transaksi curang dan menangkap pelaku kecurangan.
3
Distribusi kelas tidak seimbang
Untungnya, kejadian fraud jarang terjadi. Namun, ini berarti Anda bekerja dengan data yang tidak seimbang, yang jika dibiarkan apa adanya akan membuat model deteksi Anda bias. Pada bab ini, Anda akan mengatasi ketidakseimbangan menggunakan metode over- dan under-sampling.
4
Analisis digit dan statistika robust
Pada bab terakhir ini, Anda akan mempelajari hukum matematika yang mengejutkan untuk mendeteksi kejadian yang mencurigakan. Anda kemudian akan menggunakan statistika robust untuk membuat model Anda semakin tangguh.
R
Deteksi Fraud di R
Kursus
Selesai
