После прохождения этих курсов я уверенно создаю профессиональные визуализации и дашборды.
Shoebur RahmanСпециалист по закупкам, Giz Bangladesh
Описание курса
По оценкам, типичная организация теряет около 5% годовой выручки из-за мошенничества. В этом курсе вы научитесь противодействовать мошенничеству с помощью данных. Например, вы узнаете, как применять алгоритмы обучения с учителем для выявления мошеннических действий, похожих на уже известные, а также методы обучения без учителя для обнаружения новых видов мошенничества. Кроме того, в аналитике мошенничества часто приходится работать с сильно несбалансированными наборами данных при классификации мошеннических и легитимных операций — в этом курсе вы освоите ряд техник для решения этой задачи. Курс сочетает практические и теоретические знания и наглядно показывает, как реализовать модели обнаружения мошенничества. Вы также получите советы и рекомендации из реального опыта, которые помогут вам избежать типичных ошибок в аналитике мошенничества.
Предварительные требования
Программа
План курса
1
Введение и подготовка данных
В этой главе вы узнаете о типичных трудностях, связанных с обнаружением мошенничества, и научитесь грамотно выполнять ресэмплинг данных для работы с несбалансированными наборами данных.
- Введение в обнаружение мошенничества50 XP
- Проверка соотношения мошеннических и легитимных транзакций100 XP
- Визуализация данных100 XP
- Повышение эффективности обнаружения мошенничества с помощью передискретизации данных50 XP
- Методы ресэмплинга для несбалансированных данных50 XP
- Применение SMOTE100 XP
- Сравнение SMOTE с исходными данными100 XP
- Алгоритмы обнаружения мошенничества в действии50 XP
- Традиционный подход к обнаружению мошенничества100 XP
- Обнаружение мошенничества с помощью классификации ML100 XP
- Логистическая регрессия в сочетании с SMOTE100 XP
- Использование пайплайна100 XP
2
Обнаружение мошенничества с помощью размеченных данных
Теперь, когда вы знакомы с основными сложностями обнаружения мошенничества, вы научитесь выявлять мошеннические транзакции с помощью обучения с учителем. Вы будете использовать классификаторы, настраивать их и сравнивать, чтобы найти наиболее эффективную модель обнаружения мошенничества.
3
Обнаружение мошенничества с помощью неразмеченных данных
В этой главе рассматривается применение методов обучения без учителя для обнаружения мошенничества. Вы будете сегментировать клиентов, использовать кластеризацию методом K-средних и другие алгоритмы кластеризации для выявления подозрительных закономерностей в данных.
4
Обнаружение мошенничества с помощью текста
В заключительной главе вы будете работать с текстовыми данными, применять методы анализа текста и тематического моделирования для обнаружения мошеннического поведения.
Обнаружение мошенничества на Python
Курс
завершён
