Betrugserkennung mit dem Azure Machine Learning Studio

Im digitalen Zeitalter mit Millionen von Online-Transaktionen täglich gewinnt die Betrugserkennung zunehmend an Bedeutung. In diesem Kurs zeigt Ihnen der IT-Experte Emil Vinčazović, wie Sie mithilfe des Azure Machine Learning Studios Klassifizierungsmodelle zur automatisierten Betrugserkennung erstellen, trainieren und evaluieren.

Zuerst erklärt er, was eine Klassifizierung ist, und stellt gängige Probleme und Lösungsansätze vor. Im nächsten Schritt lernen Sie drei gebräuchliche Klassifizierungsalgorithmen kennen: die Support Vector Machine, den Random Forest und den XGBoost.

Das Azure ML Studio bietet drei Möglichkeiten, um ML-Modelle aufzusetzen: das AutoML und den Designer für die Erstellung ohne Code sowie die Notebooks, die umfassende Programmierkenntnisse erfordern, aber größere Flexibilität bieten. Emil Vinčazović führt Sie Schritt für Schritt durch die drei Varianten und geht zum Schluss auf die Metriken zur Bewertung der Klassifizierungsmodelle ein.

In drei Kursen stellt Emil Vinčazović das Azure ML Studio und verschiedene Anwendungsfelder des maschinellen Lernens vor:

• Einstieg in das Azure Machine Learning Studio

• Betrugserkennung mit dem Azure Machine Learning Studio

• Vorhersagemodelle mit dem Azure Machine Learning Studio

Alle Video-Lektionen im Überblick:

• 1. Herzlich willkommen zu diesem Kurs

• 2. Einführung in Klassifizierungsprobleme

  • Kapitelüberblick

  • Was ist eine Klassifizierung?

  • Anwendungsbeispiele

  • Allgemeine Schwierigkeiten

  • Unsaubere Kriterien

  • Falsche Merkmale

  • Fließende Übergänge

  • Nichttrennbarkeit

  • Ausreißer

  • Restobjekte

  • Quiz: Klassifizierungsprobleme

• 3. Techniken

  • Kapitelüberblick

  • Betrugserkennung: Das Problem der Überanpassung

  • Lösung: Die Kreuzvalidierung

  • Betrugserkennung: Das Problem des unbalancierten Datensatzes

  • Lösung: Samplingmethoden

  • Algorithmus: RandomForest-Klassifizierung

  • Algorithmus: XGBoost (Gradienten-Boosting-Verfahren)

  • Algorithmus: Support Vector Machine

  • Quiz: Techniken

• 4. Umsetzung im Azure ML Studio

  • Kapitelüberblick

  • Umsetzung im AutoML

  • Ergebnisse im AutoML interpretieren

  • Umsetzung im Designer

  • Ergebnisse im Designer interpretieren

  • Umsetzung im Notebook (Teil 1)

  • Umsetzung im Notebook 2 (Teil 2)

  • Quiz: Umsetzung im Azure ML Studio

• 5. Abschluss

  • Fazit und Kursabschluss

So lernen Sie mit diesem Videokurs:

In den Videokursen von heise academy lernen Sie IT-Themen anschaulich und verständlich. In den Videos schauen Sie den Experten bei der praktischen Arbeit zu und lassen sich dabei alles genau erklären. Das Wissen ist in kleine Lernschritte und Aufgaben unterteilt, sodass Sie den Kurs Lektion für Lektion durcharbeiten oder gezielt zu Themen springen können, die Sie interessieren. Die persönliche Lernumgebung der heise academy hält viele Funktionen für Sie bereit, die Ihnen beim Lernen helfen können:

• Flexibler Videoplayer mit vielen Steuerungsmöglichkeiten

• Wissensquiz zur Lernkontrolle

• Lernhistorie und Lernfortschritt

• Lesezeichen und Notizen

• Volltextsuche in den Videos

• Frage-den-Experten-Modul

• Übungsmaterial zum Mitmachen

• Responsive Web-App und Videostreaming für alle Endgeräte

Technische Voraussetzungen:

Für diesen Videokurs werden lediglich ein Browser (mit eingeschalteter JavaScript-Funktionalität) und eine Internetverbindung benötigt.