After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Mô tả khóa học
Một tổ chức điển hình ước tính mất khoảng 5% doanh thu hằng năm vì gian lận. Trong khóa học này, bạn sẽ học cách dùng dữ liệu để chống gian lận. Ví dụ, bạn sẽ học cách áp dụng các thuật toán học có giám sát để phát hiện hành vi gian lận tương tự các trường hợp trước đây, cũng như các phương pháp học không giám sát để khám phá những dạng hoạt động gian lận mới. Bên cạnh đó, trong phân tích gian lận, bạn thường phải xử lý các tập dữ liệu cực kỳ mất cân bằng khi phân loại gian lận và không gian lận; trong khóa học này, bạn sẽ nắm được một số kỹ thuật để xử lý vấn đề đó. Khóa học kết hợp giữa kiến thức kỹ thuật và lý thuyết, đồng thời hướng dẫn bạn thực hành triển khai các mô hình phát hiện gian lận. Ngoài ra, bạn còn nhận được các mẹo và lời khuyên từ kinh nghiệm thực tế để tránh những sai lầm thường gặp trong phân tích gian lận.
Yêu cầu tiên quyết
Chương trình học
Đề cương khóa học
1
Giới thiệu và chuẩn bị dữ liệu
Trong chương này, bạn sẽ tìm hiểu những thách thức điển hình liên quan đến phát hiện gian lận, và học cách lấy mẫu lại dữ liệu một cách thông minh để giải quyết vấn đề dữ liệu mất cân bằng.
- Giới thiệu về phát hiện gian lận50 XP
- Kiểm tra tỷ lệ gian lận so với không gian lận100 XP
- Vẽ biểu đồ dữ liệu của bạn100 XP
- Tăng số lần phát hiện thành công bằng cách lấy mẫu lại dữ liệu50 XP
- Các phương pháp lấy mẫu lại cho dữ liệu mất cân bằng50 XP
- Áp dụng SMOTE100 XP
- So sánh SMOTE với dữ liệu gốc100 XP
- Thuật toán phát hiện gian lận trong thực tế50 XP
- Khám phá cách truyền thống để phát hiện gian lận100 XP
- Dùng phân loại ML để phát hiện gian lận100 XP
- Hồi quy Logistic kết hợp với SMOTE100 XP
- Sử dụng pipeline100 XP
2
Phát hiện gian lận với dữ liệu có nhãn
Giờ bạn đã quen với các thách thức chính của phát hiện gian lận, bạn sẽ học cách gắn cờ giao dịch gian lận bằng học có giám sát. Bạn sẽ dùng các mô hình phân loại, tinh chỉnh và so sánh chúng để tìm ra mô hình phát hiện gian lận hiệu quả nhất.
3
Phát hiện gian lận với dữ liệu không nhãn
Chương này tập trung vào việc dùng các kỹ thuật học không giám sát để phát hiện gian lận. Bạn sẽ phân khúc khách hàng, sử dụng phân cụm K-means và các thuật toán phân cụm khác để tìm ra các dấu hiệu đáng ngờ trong dữ liệu.
4
Phát hiện gian lận từ văn bản
Ở chương cuối, bạn sẽ sử dụng dữ liệu văn bản, khai phá văn bản và mô hình chủ đề để phát hiện hành vi gian lận.
Phát hiện gian lận với Python
Hoàn
thành khóa học
