Recapitulação
Detecção de Fraudes em Python
Charlotte Werger
Data Scientist
Trabalhando com dados desbalanceados
- Trabalhou com dados de fraude altamente desbalanceados
- Aprendeu a fazer reamostragem dos dados
- Conheceu diferentes métodos de reamostragem
Detecção de fraude com dados rotulados
- Relembrou técnicas de aprendizado supervisionado para detectar fraude
- Aprendeu a obter métricas confiáveis e a lidar com o trade-off entre precisão e revocação
- Explorou como otimizar parâmetros do modelo para lidar com dados de fraude
- Aplicou métodos de ensemble na detecção de fraude
Detecção de fraude sem rótulos
- Aprendeu sobre a importância da segmentação
- Relembrou métodos de clusterização
- Aprendeu a detectar fraude por outliers e clusters pequenos com K-means
- Aplicou um modelo DB-scan para detecção de fraude
Text mining para detecção de fraude
- Como ampliar a análise de fraude com técnicas de text mining
- Aplicou buscas por palavras para sinalizar termos e aprendeu a usar modelagem de tópicos na detecção de fraude
- Aprendeu a limpar textos desorganizados com eficácia
Aprendizados adicionais para detecção de fraude
- Análise de redes para detectar fraude
- Diferentes técnicas supervisionadas e não supervisionadas (ex.: Redes Neurais)
- Trabalho com dados muito grandes
Fim do curso
Detecção de Fraudes em Python
