Pular para o conteúdo principal
Página inicialPythonFraud Detection in Python

Fraud Detection in Python

Learn how to detect fraud using Python.

Comece O Curso Gratuitamente
4 Horas16 Videos57 Exercicios
17.695 AprendizesTrophyDeclaração de Realização

Crie sua conta gratuita

GoogleLinkedInFacebook

ou

Ao continuar, você aceita nossos Termos de Uso, nossa Política de Privacidade e que seus dados são armazenados nos EUA.
GroupTreinar 2 ou mais pessoas?Experimente o DataCamp For Business

Amado por alunos de milhares de empresas


Descrição do Curso

A typical organization loses an estimated 5% of its yearly revenue to fraud. In this course, you will learn how to fight fraud by using data. For example, you'll learn how to apply supervised learning algorithms to detect fraudulent behavior similar to past ones, as well as unsupervised learning methods to discover new types of fraud activities. Moreover, in fraud analytics you often deal with highly imbalanced datasets when classifying fraud versus non-fraud, and during this course you will pick up some techniques on how to deal with that. The course provides a mix of technical and theoretical insights and shows you hands-on how to practically implement fraud detection models. In addition, you will get tips and advice from real-life experience to help you prevent making common mistakes in fraud analytics.
Para Empresas

GroupTreinar 2 ou mais pessoas?

Obtenha acesso à biblioteca completa do DataCamp, com relatórios, atribuições, projetos e muito mais centralizados
Experimente O DataCamp for BusinessPara uma solução sob medida , agende uma demonstração.
  1. 1

    Introduction and preparing your data

    Grátis

    In this chapter, you'll learn about the typical challenges associated with fraud detection, and will learn how to resample your data in a smart way, to tackle problems with imbalanced data.

    Reproduzir Capítulo Agora
    Introduction to fraud detection
    50 xp
    Checking the fraud to non-fraud ratio
    100 xp
    Plotting your data
    100 xp
    Increasing successful detections using data resampling
    50 xp
    Resampling methods for imbalanced data
    50 xp
    Applying SMOTE
    100 xp
    Compare SMOTE to original data
    100 xp
    Fraud detection algorithms in action
    50 xp
    Exploring the traditional way to catch fraud
    100 xp
    Using ML classification to catch fraud
    100 xp
    Logistic regression combined with SMOTE
    100 xp
    Using a pipeline
    100 xp
Para Empresas

GroupTreinar 2 ou mais pessoas?

Obtenha acesso à biblioteca completa do DataCamp, com relatórios, atribuições, projetos e muito mais centralizados

Conjuntos De Dados

Chapter 1 datasetsChapter 2 datasetsChapter 3 datasetsChapter 4 datasets

Colaboradores

Collaborator's avatar
Hadrien Lacroix
Collaborator's avatar
Mari Nazary
Charlotte Werger HeadshotCharlotte Werger

Director of Advanced Analytics at Nike

Veja Mais

O que os outros alunos têm a dizer?

Junte-se a mais de 14 milhões de alunos e comece Fraud Detection in Python hoje mesmo!

Crie sua conta gratuita

GoogleLinkedInFacebook

ou

Ao continuar, você aceita nossos Termos de Uso, nossa Política de Privacidade e que seus dados são armazenados nos EUA.