Lecciones aprendidas sobre deep learning para la detección de fraude de tarjetas de crédito

27/07/2017

En este post os presentamos un resumen y la presentación completa de una de las charlas del UOC Data Day, celebrado el día 14 de junio de 2017 en Barcelona sobre el uso de las redes neuronales (deep learning) para la detección de fraude de tarjetas de crédito.

Esta ponencia fue a cargo de Alberto Rubio Muñoz, Senior Data Scientist en BBVA Data & Analytics y profesor colaborador docente del área de minería de datos y machine learning del Máster universitario en Ciencia de datos (Data Science).

Los datos están cambiando nuestra sociedad. Debido a los datos estamos repensando nuestras industrias para construir mejores productos: agricultura, educación, finanzas, jurídicos, etc. Con el advenimiento de los datos, un hijo pródigo del machine learning ha vuelto a la delantera para desempeñar un papel principal: las redes neuronales artificiales, también conocido como Deep learning o aprendizaje profundo. En esta charla, proporcionaremos algunas ideas sobre su aplicación para detectar transacciones de tarjetas de crédito fraudulentas realizadas en tiendas y minoristas en línea. También describiremos los datos que usamos, cómo se entrenan las redes neuronales y cómo se mide su eficiencia o precisión. Además, reflexionaremos sobre cómo la posibilidad de procesar gran cantidad de datos ha impulsado el deep learning y el machine learning en la industria.

A continuación, os dejamos la grabación de la ponencia completa, así como el material de soporte utilizado para la presentación.

¡Esperamos que la disfrutéis!

(Visited 38 times, 1 visits today)
Autor / Autora
Jordi Casas Roma
Profesor e investigador del grupo ADaS Lab de los Estudios de Informática, Multimedia y Telecomunicaciones de la UOC. Director del máster universitario de Ciencia de Datos de la UOC. Sus intereses de investigación se basan en la minería de datos, aprendizaje automático, minería de gráficos y privacidad de datos. 
Comentarios
Deja un comentario