Riepilogo

Rilevamento delle frodi in Python

Charlotte Werger

Data Scientist

Lavorare con dati sbilanciati

  • Hai lavorato con dati di frode molto sbilanciati
  • Hai imparato a riequilibrare i dati
  • Hai visto diversi metodi di resampling
Rilevamento delle frodi in Python

Rilevamento frodi con dati etichettati

  • Ripasso di tecniche di apprendimento supervisionato per rilevare frodi
  • Come ottenere metriche affidabili e gestire il trade-off precisione–richiamo
  • Come ottimizzare i parametri del modello per gestire i dati di frode
  • Applicazione di metodi ensemble al rilevamento frodi
Rilevamento delle frodi in Python

Rilevamento frodi senza etichette

  • Importanza della segmentazione
  • Ripasso dei metodi di clustering
  • Rilevare frodi con outlier e piccoli cluster usando K-means
  • Applicazione di un clustering DBSCAN per il rilevamento frodi
Rilevamento delle frodi in Python

Text mining per il rilevamento frodi

  • Come arricchire l’analisi con tecniche di text mining
  • Ricerche di parole per segnalare termini e topic modeling per il rilevamento frodi
  • Pulizia efficace di testi disordinati
Rilevamento delle frodi in Python

Approfondimenti per il rilevamento frodi

  • Analisi di reti per rilevare frodi
  • Tecniche supervisionate e non supervisionate (es. reti neurali)
  • Lavorare con dati molto grandi
Rilevamento delle frodi in Python

Fine del corso

Rilevamento delle frodi in Python

Preparing Video For Download...