Phát hiện gian lận thẻ tín dụng bằng Python và học máy

Chương trình này giới thiệu cho bạn những kỹ thuật khoa học dữ liệu cơ bản được sử dụng để xác định các hoạt động thẻ tín dụng đáng ngờ và bảo vệ hệ thống tài chính. Qua hướng dẫn này, bạn sẽ chuyển từ hiểu các khái niệm cơ bản về dữ liệu tài chính sang xây dựng và đánh giá các mô hình học máy được thiết kế đặc biệt cho các tập dữ kiện không cân bằng cao. Bạn sẽ có được kỹ năng thực hành trong xử lý dữ liêu trước, phát hiện dị thường, và phân loại các luồng công việc. Bạn sẽ học được: - Hiểu các khái niệm cơ bản của phát hiện gian lận tài chính và các thách thức dữ liệu liên quan. - Apply modern Python libraries to preprocess, scale, and clean transaction data. - Kỹ thuật chủ yếu để xử lý các tập dữ liệu không cân bằng cao, chẳng hạn như điều chỉnh trọng lượng lớp và tái mẫu. - Xây dựng mô hình phân loại sử dụng các đường ống học máy có cấu trúc để dự đoán các giao dịch gian lận. - Đánh giá hiệu suất mô hình bằng cách sử dụng đường cong chính xác, nhớ lại và chính xác-nhớ lại thay vì các chỉ số chính xác sai lệch. - Tìm hiểu các khái niệm cơ bản của mô hình giám sát và dữ liệu trôi nổi trong hệ thống phát hiện gian lận sản xuất. Chương trình bắt đầu với những định nghĩa cơ bản về các mô hình gian lận và phân tích dữ liệu khám phá. Chương trình này được thiết kế cho những nhà phân tích dữ liệu, nhà khoa học dữ kiện mới bắt đầu, và những chuyên gia tài chính muốn ứng dụng lập trình vào quản lý rủi ro. Không cần kinh nghiệm học máy trước đó, mặc dù một sự quen thuộc cơ bản với Python sẽ giúp ích. Bắt đầu đọc hôm nay để xây dựng mô hình phát hiện gian lận đầu tiên của bạn và phát triển kỹ năng khoa học dữ liệu theo yêu cầu.