По некоторым оценкам, порядка 5% годового убытка типичной организации вызваны мошенничеством разного рода. В данном курсе мы обсудим, как можно бороться с мошенничеством с помощью исторических данных, помогающих изучить «шаблоны» мошеннических действий. Будет рассмотрено использование методов машинного обучения «с учителем» (используя обучающий набор данных), методов классификации «без учителя»  (использующие набор данных без целевой переменной) и изучения социальной сети клиента (на основе набора данных, содержащего информацию о структуре социальной сети). Методики, обсуждаемые на курсе, могут применяться в широком круге задач – выявление мошенничества в страховании, в операциях по кредитным картам, операциях «отмывания» денежных средств, медицинском страховании, в области телекоммуникаций, в сфере интернет-рекламы, налоговой и таможенной сфере. Курс содержит как теоретические и технические сведения, которые помогут лучше разобраться с изучаемыми темами, так и вопросы, связанные с практическим внедрением аналитических методик. В течение курса лектором будут представлены результаты последних исследований, посвященных изучаемым вопросам, а также приведены конкретные практические примеры, закрепляющие материал.

Информация о преподавателе:

Область научных интересов Christophe Mues, Ph.D., лежит в области бизнес-аналитики, где он исследовал использование таблиц и диаграмм решений в различных приложениях, в первую очередь, для моделирования и валидации бизнес-правил. Кроме этого его исследования связаны с выявлением экспертных знаний в хранилищах данных и интеллектуальным анализом данных с сильным акцентом на применении этих методов для управления финансовыми рисками и, в частности, кредитного скоринга. Он сотрудничает с государственными службами, компаниями и финансовыми институтами в каждой из этих областей, его результаты опубликованы в различных журналах и представлялись на международных конференциях. В сотрудничестве с SAS он преподавал курсы по Credit Scoring для Basel II в ряде европейских и азиатских стран.

• Специалисты:
  • Ответственные за анализ мошеннических действий и их выявление, анализ данных
  • Консультанты, связанные с задачами выявления мошенничества
• Отрасли:
  • Финансовые, государственные учреждения, страховые компании, …

Используемое программное обеспечение

• Base/SAS
• SAS Enterprise Miner
• SAS Social Network Analytics

Цель курса – изучить:

• Как подготовить данные для выявления мошенничества (создание выборки, обработка пропущенных значений, выбросы, категоризация, …)
• Построение моделей для выявления мошенничества с помощью методов «обучения с учителем» (логистическая регрессия, деревья решений, нейронные сети, ансамбли моделей, …);
• Построение моделей для выявления мошенничества с помощью методов «обучения без учителя» (иерархическая кластеризация, неиерархическая кластеризация, метод k-средних, самоорганизующиеся карты, …);
• Построение моделей для выявления мошенничества с помощью методов анализа социальных сетей (характеризация (featurization), PageRank, …)

• Часть 1: Введение
• Часть 2: Выявление мошенничества
• Часть 3: Подготовка данных
• Часть 4: Модели для выявления мошенничества («обучение с учителем»)
• Часть 5: Модели для выявления мошенничества («обучение без учителя»)
• Часть 6: Выявление мошенничества с помощью социальных сетей