Name: Detecção de Fraudes em R
Rating: 4.7631578947368425 (38 reviews)

Descrição do curso

A Association of Certified Fraud Examiners estima que fraudes custam às organizações no mundo todo US$ 3,7 trilhões por ano e que uma empresa típica perde cinco por cento da receita anual devido a fraudes. A expectativa é que as tentativas de fraude aumentem ainda mais no futuro, tornando a detecção de fraudes essencial na maioria dos setores. Neste curso, você verá como aprender padrões de fraude a partir de dados históricos pode ajudar a combatê-la. Serão apresentadas técnicas de estatística robusta e análise de dígitos para detectar observações incomuns que provavelmente estão associadas a fraudes. Dois grandes desafios ao criar uma ferramenta supervisionada para detecção de fraudes são o desbalanceamento ou viés dos dados e os diferentes custos para cada tipo de erro de classificação. Apresentamos técnicas para resolver essas questões e focamos em conjuntos de dados artificiais e reais de uma ampla variedade de aplicações de fraude.

Pré-requisitos

Unsupervised Learning in R Supervised Learning in R: Classification

Programa de estudos

Conteúdo do curso

Introdução e Motivação

Neste capítulo, vamos primeiro apresentar uma definição formal de fraude. Depois, você vai aprender a detectar anomalias no tipo de métodos de pagamento usados ou no momento em que esses pagamentos são feitos para sinalizar transações suspeitas.

Começar capítulo

Análise de redes sociais

No segundo capítulo, você vai aprender a usar redes para combater fraudes. Você vai visualizar redes e usar um conceito da sociologia chamado homofilia para detectar transações fraudulentas e identificar fraudadores.

Começar capítulo

Distribuições de classes desbalanceadas

Felizmente, ocorrências de fraude são raras. Porém, isso significa que você está trabalhando com dados desbalanceados que, se mantidos como estão, vão enviesar seus modelos de detecção. Neste capítulo, você vai lidar com o desbalanceamento usando métodos de over e under-sampling.

Começar capítulo

Análise de dígitos e estatística robusta

Neste capítulo final, você vai conhecer uma lei matemática surpreendente usada para detectar ocorrências suspeitas. Em seguida, vai usar estatística robusta para deixar seus modelos ainda mais à prova de falhas.