이 강의들을 수강한 후, 전문적인 시각화와 대시보드를 자신 있게 만들 수 있게 되었습니다
Shoebur Rahman구매 담당자, Giz Bangladesh
강의 설명
공인 사기 조사협회(Association of Certified Fraud Examiners)에 따르면, 사기로 인해 전 세계 조직이 매년 3.7조 달러의 비용을 지불하며, 일반적인 기업은 연간 매출의 5%를 사기로 잃는다고 합니다. 앞으로 사기 시도는 더 늘어날 것으로 예상되므로 대부분의 산업에서 사기 탐지는 필수적입니다. 이 강의에서는 과거 데이터에서 사기 패턴을 학습해 사기와 맞서는 방법을 살펴봅니다. 강건 통계와 숫자 분석 기법을 활용해 사기와 연관된 가능성이 높은 비정상 관측값을 탐지하는 방법을 소개합니다. 감독 학습 기반의 사기 탐지 도구를 구축할 때의 두 가지 주요 과제는 데이터의 불균형(왜도)과 오분류 유형에 따른 상이한 비용입니다. 이 문제들을 해결하기 위한 기법을 제시하고, 다양한 사기 사례에 대한 인공 및 실제 데이터셋을 중심으로 다룹니다.
선수 과목
커리큘럼
강의 개요
1
소개와 동기 부여
이 장에서는 먼저 사기의 공식적인 정의를 살펴봅니다. 이어서 사용된 결제 수단 유형이나 결제 시점에서의 이상 징후를 탐지해 의심스러운 거래에 플래그를 지정하는 방법을 배우게 됩니다.
2
소셜 네트워크 분석
두 번째 장에서는 네트워크를 활용해 사기를 방지하는 방법을 배웁니다. 네트워크를 시각화하고, 동질성(homophily)이라 불리는 사회학 개념을 적용해 사기 거래를 탐지하고 범죄자를 색출해 보겠습니다.
3
불균형 클래스 분포
다행히 사기 발생은 드뭅니다. 그러나 이는 곧 데이터가 불균형하다는 뜻이며, 이를 그대로 두면 탐지 모델에 편향이 생깁니다. 이 장에서는 오버샘플링과 언더샘플링 기법을 사용해 불균형 문제를 해결합니다.
4
숫자 분석과 강건 통계
마지막 장에서는 의심스러운 현상을 탐지하는 데 활용되는 놀라운 수학 법칙을 배웁니다. 이어서 강건 통계를 적용해 모델을 한층 더 견고하게 만드는 방법을 살펴봅니다.
R
R로 배우는 사기 탐지
강의
완료
