Tổng kết

Phát hiện gian lận với Python

Charlotte Werger

Data Scientist

Làm việc với dữ liệu mất cân bằng

  • Làm việc với dữ liệu gian lận mất cân bằng mạnh
  • Học cách lấy mẫu lại dữ liệu
  • Tìm hiểu các phương pháp lấy mẫu lại khác nhau
Phát hiện gian lận với Python

Phát hiện gian lận với dữ liệu gán nhãn

  • Ôn các kỹ thuật học có giám sát để phát hiện gian lận
  • Học cách lấy chỉ số hiệu năng đáng tin cậy và cân bằng precision–recall
  • Tối ưu tham số mô hình để xử lý dữ liệu gian lận
  • Ứng dụng phương pháp ensemble vào phát hiện gian lận
Phát hiện gian lận với Python

Phát hiện gian lận không có nhãn

  • Tìm hiểu tầm quan trọng của phân khúc
  • Ôn kiến thức về phương pháp phân cụm
  • Phát hiện gian lận bằng ngoại lệ và cụm nhỏ với K-means
  • Áp dụng mô hình phân cụm DBSCAN cho phát hiện gian lận
Phát hiện gian lận với Python

Khai phá văn bản cho phát hiện gian lận

  • Bổ sung phân tích gian lận bằng kỹ thuật khai phá văn bản
  • Dùng tìm kiếm từ khóa để gắn cờ, và áp dụng mô hình chủ đề cho phát hiện gian lận
  • Học cách làm sạch dữ liệu văn bản lộn xộn hiệu quả
Phát hiện gian lận với Python

Học thêm về phát hiện gian lận

  • Phân tích mạng để phát hiện gian lận
  • Các kỹ thuật học có/không giám sát khác (ví dụ: Mạng nơ-ron)
  • Làm việc với dữ liệu rất lớn
Phát hiện gian lận với Python

Kết thúc khóa học

Phát hiện gian lận với Python

Preparing Video For Download...