Python 中的欺诈检测
构建有效的机器学习项目来检测金融犯罪实例。
讲师:Richard Ball, PhD
口袋资源独家Udemy付费课程,独家中英文字幕,配套资料齐全!
用不到1/10的价格,即可享受同样的高品质课程,且可以完全拥有,随时随地都可以任意观看和分享。
你将学到什么
- 使用 Python 分析示例信用卡欺诈数据集
- 训练和改进各种监督机器学习模型以检测欺诈
- 生成并解释与欺诈检测相关的性能指标
- 根据各种标准选择最佳分类模型
- 应用各种策略来提高欺诈检测模型的性能
要求
- 熟悉Python编程语言。
- 了解基本数据科学和机器学习原理。
描述
如果您对使用机器学习检测欺诈感兴趣,那么本课程适合您!
对于许多现代组织来说,欺诈是一个大问题,因为不良行为者在方法论和技术能力方面都变得越来越复杂。因此,检测欺诈是一个永远无法完全解决的重要问题。通过学习本课程,您将获得可雇用的技能,这些技能可能会在未来很多年内发挥作用。
本课程由我自己开发,我是一位首席数据科学家,拥有机器学习博士学位,并且拥有部署生产机器学习模型以检测金融服务行业欺诈的实际专业知识。
在本课程中,学生将了解行业中的欺诈问题,以及如何通过介绍各种机器学习方法来解决该问题。我将引导您完成一个示例欺诈检测问题,您将亲身体验使用Python构建模型。这将包括解决具有挑战性的欺诈问题,其中需要特别考虑数据的高度不平衡性质。
本课程涵盖的课程包括:
- 第 1 课 – 欺诈检测简介:异常检测、类别不平衡
- 第 2 课 – 训练监督机器学习模型以检测欺诈:逻辑回归、XGBoost、通过超参数优化提高性能
- 第 3 课 – 欺诈检测的性能指标:混淆矩阵、错误分类成本、准确性悖论、在 scikit-learn 中实施指标
- 第 4 课 – 最佳模型选择:使用性能指标进行阈值优化、使用欺诈成本进行阈值优化、Streamlit 简介、构建用于目视检查的阈值模拟器
- 第 5 课 – 提高模型性能的策略:采样技术
每节课都建立在之前课程中获得的实践知识的基础上,允许学生制作一个完整的端到端项目作为课程的最终输出。该项目可以作为学生项目组合的重要组成部分,帮助他们寻找工作和职业发展。
本课程使用的 Python 技术堆栈包括:pandas、numpy、matplotlib、scikit-learn、seaborn、XGBoost、Streamlit 和 imblearn。
本课程适合谁:
- 任何对机器学习感兴趣的欺诈分析师。
- 任何有兴趣了解如何应用机器学习来检测欺诈的人。
- 数据科学家希望为其组织训练欺诈检测模型。
声明:口袋资源网(koudaizy.com)提供的所有课程、素材等资源全部来源于互联网,赞助VIP仅用于对口袋资源服务器带宽及网站运营等费用支出做支持,从本站下载资源,说明你已同意本条款。