Bu kursları tamamladıktan sonra profesyonel görselleştirmeler ve panolar oluşturma konusunda kendime güveniyorum
Shoebur RahmanSatın Alma Uzmanı, Giz Bangladesh
Kurs Açıklaması
Tipik bir kuruluş, yıllık gelirinin tahmini %5'ini dolandırıcılığa kaybeder. Bu kursta, dolandırıcılıkla verileri kullanarak nasıl mücadele edeceğini öğreneceksin. Örneğin, geçmiştekilere benzer sahtekarlık davranışlarını tespit etmek için supervised learning algoritmalarını nasıl uygulayacağını ve yeni türde dolandırıcılık faaliyetlerini keşfetmek için unsupervised learning yöntemlerini nasıl kullanacağını göreceksin. Ayrıca, fraud analytics yaparken sahtecilik ve sahtecilik olmayanı sınıflandırırken sıklıkla aşırı dengesiz veri kümeleriyle karşılaşırsın; bu kurs boyunca bununla nasıl başa çıkacağına dair bazı teknikleri edineceksin. Kurs, teknik ve teorik içgörülerin bir karışımını sunar ve sahtekarlık tespit modellerini pratikte nasıl uygulayacağını adım adım gösterir. Buna ek olarak, fraud analytics alanındaki gerçek yaşam deneyimlerinden ipuçları ve tavsiyeler alarak yaygın hatalardan kaçınmana yardımcı olacağız.
Ön Koşullar
Müfredat
Kurs planı
1
Giriş ve verilerini hazırlama
Bu bölümde, sahtekarlık tespitiyle ilişkili tipik zorlukları öğrenecek ve dengesiz verilerle ilgili sorunların üstesinden gelmek için verilerini akıllıca yeniden örneklemeyi öğreneceksin.
- Sahtekarlık tespitine giriş50 XP
- Sahtekârlık/normal işlem oranını kontrol etme100 XP
- Verilerini görselleştirme100 XP
- Veri yeniden örnekleme ile başarılı tespitleri artırma50 XP
- Dengesiz veriler için yeniden örnekleme yöntemleri50 XP
- SMOTE Uygulama100 XP
- SMOTE'u orijinal verilerle karşılaştır100 XP
- Dolandırıcılık tespiti algoritmaları iş başında50 XP
- Sahtekarlığı yakalamanın geleneksel yolunu keşfetmek100 XP
- Sahtekarlığı yakalamak için ML sınıflandırması kullanma100 XP
- SMOTE ile birleştirilmiş lojistik regresyon100 XP
- Bir pipeline kullanma100 XP
2
Etiketli verilerle sahtekarlık tespiti
Artık sahtekarlık tespitinin başlıca zorluklarına aşina olduğuna göre, supervised learning ile sahte işlemleri nasıl işaretleyeceğini öğreneceksin. En verimli sahtekarlık tespit modelini bulmak için sınıflandırıcılar kullanacak, ayarlayacak ve karşılaştıracaksın.
3
Etiketlenmemiş verilerle sahtekarlık tespiti
Bu bölüm, sahtekarlığı tespit etmek için unsupervised learning tekniklerinin kullanımına odaklanır. Müşterileri segmente edecek, K-means kümeleme ve diğer kümeleme algoritmalarını kullanarak verilerinde şüpheli durumları bulacaksın.
4
Metin kullanarak sahtekarlık tespiti
Bu son bölümde, sahte davranışları tespit etmek için metin verilerini, metin madenciliğini ve konu modellemeyi kullanacaksın.
Python ile Sahtekarlık Tespiti
Kurs
Tamamlandı
