互联网金融中的交易反欺诈模型（第19期）
04月15日
12周
0人
此课程所属【数据分析师专业方向】专业，专业内有不少于15门推荐课程，目前平台推出【专业课程0元学】活动，只需0元即可在所有的专业课程中任选5门学习，超值优惠，助您快速成长！点击这里了解
讲师
- 安迪
- 晓风，硕士毕业于全球top10的统计系，在银行、互金等领域有超过8年的工作经验，在PNAS等核心刊物上发表多篇数据分析领域的文章，带领团队负责多个风控模型的开发与落地工作。
课程简介
互联网金融是新兴涌现出来的金融创新模式。它结合了成熟的互联网技术、电商消费和人工智能等手段，打破了传统线下银行的壁垒，在横向的广度和纵向的深度上都为传统金融机构带来了颠覆性的革新，为现代的融资、购物、支付等需求提供了强大的便利。同时，也由于互金平台中的实时性、快捷性和复杂性等特点，该领域也爆发了大量的欺诈行为，给互金机构带来及其严重的损失。过去的反欺诈手段主要以专家经验和规则为主。随着大数据、机器学习、深度学习等技术的发展，越来越多的互金平台将量化模型引入到反欺诈工作中农。本课程以消费金融领域的交易反欺诈为例，介绍如何将机器学习模型应用在反欺诈工作中，从而为互金平台识别欺诈、降低损失。
课程中将介绍常用的机器学习模型，包括元模型如逻辑回归、决策树、支持向量机等，以及集成模型如bagging、boosting和stacking等。课程结束后，学员将对量化模型在反欺诈领域中的应用有一定程度的掌握，可以在本部门中搭建基本的风控模型。
课程章节
- 第1课 python的介绍和入门
- 1-1 python语法
- 1-2 pandas，numpy，statsmodels，sklearn等常用包
- 第2课 数据分析建模的准备工作
- 2-1 业务背景
- 2-2 数据清洗
- 2-3 特征工程
- 2-4 数据可视化
- 第3课 建模的预备知识
- 3-1 损失函数
- 3-2 参数估计
- 3-3 性能评价
- 第4课 逻辑回归模型的介绍
- 4-1 逻辑回归模型的简介
- 4-2 逻辑回归模型的参数估计
- 第5课 逻辑回归模型在反欺诈中的应用
- 5-1 逻辑回归模型的特征处理
- 5-2 逻辑回归模型的结果解读
- 第6课 支持向量机模型的介绍
- 6-1 支持向量机模型的原理
- 第7课 支持向量机模型在反欺诈中的应用
- 7-1 支持向量机模型的应用
- 第8课 机器学习中的集成模型
- 8-1 元模型与集成模型
- 8-2 集成的方式：bagging，boosting与stacking
- 第9课 决策树与随机森林及其应用
- 9-1 决策树模型
- 9-2 随机森林模型
- 9-3 随机森林的应用
- 9-4 特征重要性评估
- 第10课 GBDT模型及其应用
- 10-1 GBDT模型的原理
- 10-2 GBDT模型的应用
- 10-3 特征重要性评估
- 第11课 集成模型中的stacking方法
- 11-1 多模型的stacking
- 第12课 反欺诈业务中的衍生问题
- 12-1 无监督模型与半监督模型
- 12-2 聚类模型
- 12-3 非平衡样本的处理方法
学费
学费: ￥400 ( 固定学费: ￥100， 逆向学费: ￥300 )
新颖的课程收费形式：“逆向收费”约等于免费学习，仅收取100元固定收费+300元逆向学费，学习圆满则逆向学费全额返还给学员！