Підсумок

Виявлення шахрайства в Python

Charlotte Werger

Data Scientist

Робота з незбалансованими даними

• Працювали з сильно незбалансованими даними про шахрайство
• Дізналися, як робити ресемплінг даних
• Ознайомилися з різними методами ресемплінгу

Виявлення шахрайства з міченими даними

• Оновили методи навчання з учителем для виявлення шахрайства
• Навчилися отримувати надійні метрики та працювати з компромісом між precision і recall
• Дослідили, як оптимізувати параметри моделі для таких даних
• Застосували ансамблеві методи для виявлення шахрайства

Виявлення шахрайства без міток

• Дізналися про важливість сегментації
• Оновили знання про методи кластеризації
• Навчилися виявляти шахрайство за викидами та малими кластерами з K-means
• Застосували кластеризацію DBSCAN для виявлення шахрайства

Опрацювання текстів для виявлення шахрайства

• Знаєте, як посилити аналіз шахрайства методами опрацювання текстів
• Застосували пошук слів для позначення певних термінів і навчилися застосовувати тематичне моделювання
• Навчилися ефективно чистити «брудні» текстові дані

Подальше навчання з виявлення шахрайства

• Мережевий аналіз для виявлення шахрайства
• Різні методи навчання з учителем і без (напр., Neural Networks)
• Робота з дуже великими даними

Кінець курсу

Виявлення шахрайства в Python