Ringkasan
Deteksi Kecurangan di Python
Charlotte Werger
Data Scientist
Bekerja dengan data tidak seimbang
- Bekerja dengan data penipuan yang sangat tidak seimbang
- Mempelajari cara melakukan resampling data
- Mempelajari berbagai metode resampling
Deteksi penipuan dengan data berlabel
- Meninjau teknik pembelajaran terawasi untuk mendeteksi penipuan
- Mempelajari metrik kinerja yang andal dan trade-off precision–recall
- Mengeksplor cara mengoptimalkan parameter model untuk data penipuan
- Menerapkan metode ensemble untuk deteksi penipuan
Deteksi penipuan tanpa label
- Mempelajari pentingnya segmentasi
- Meninjau kembali metode klastering
- Mempelajari deteksi penipuan via outlier dan klaster kecil dengan K-means
- Menerapkan model klastering DBSCAN untuk deteksi penipuan
Text mining untuk deteksi penipuan
- Mengetahui cara menambah analisis deteksi penipuan dengan text mining
- Menerapkan pencarian kata untuk menandai kata tertentu, dan mempelajari topik modeling untuk deteksi penipuan
- Mempelajari cara membersihkan data teks yang berantakan secara efektif
Pembelajaran lanjutan untuk deteksi penipuan
- Analisis jaringan untuk mendeteksi penipuan
- Beragam teknik pembelajaran terawasi dan tidak terawasi (mis. Neural Networks)
- Bekerja dengan data yang sangat besar
Akhir dari kursus ini
Deteksi Kecurangan di Python
