آموزش ریسک پرداخت و تقلب پرداخت: علم داده و تحلیل‌ها

آموزش جامع علم داده و تحلیل داده در ریسک پرداخت: مدل‌سازی و کدنویسی (SQL/Python)

با دوره جامع علم داده و تحلیل داده در ریسک پرداخت، مهارت‌های لازم برای مدل‌سازی و کدنویسی (SQL و Python) را بیاموزید.

آنچه خواهید آموخت:

نحوه کلی کارکرد پرداخت‌ها را درک کنید.
عملکرد کلاهبرداران، انواع کلاهبرداری در پرداخت و سیگنال‌های پرخطر مربوطه را بشناسید.
مبانی آمار و یادگیری ماشین (ML) را بیاموزید.
مبانی SQL را به صورت کاربردی یاد بگیرید.
مبانی Python را برای تحلیل داده فرا بگیرید.
یک مطالعه موردی (Case Study) برای ساخت مدل درخت تصمیم با پایتون جهت حل مشکل کلاهبرداری تکمیل کنید.
یک مطالعه موردی دیگر را برای تقویت مهارت‌های خود انجام دهید.

پیش‌نیازها:

هیچ تجربه‌ای لازم نیست. در این دوره همه چیز از پایه آموزش داده می‌شود.

درباره مدرس:

سلام، من کانگشیاو هستم. سال‌ها تجربه کاری در شرکت‌های پیشرو مانند پی‌پل (Paypal)، گوگل (Google) و چایم (Chime) دارم. در طول دوران شغلی‌ام، از داده‌ها برای تحلیل، ساخت مدل و حل مسائل کلیدی کسب‌وکار استفاده کرده‌ام.

هنگام یادگیری آنلاین، اغلب با دو چالش روبرو می‌شدم:

دوره‌ها دانش عمیقی ارائه می‌دادند اما پوشش وسیعی نداشتند. در دنیای واقعی، نیازی نیست در همه چیز متخصص باشیم، اما داشتن اطلاعات پایه در مورد موضوعات زیاد، مزیت بزرگی محسوب می‌شود.
دوره‌ها بیش از حد بر جنبه‌های فنی تمرکز داشتند. بسیاری از دوره‌ها تنها بر کدنویسی (مانند نحوه نوشتن کدهای پایتون) یا آمار (مانند ریاضیات پشت مدل‌های یادگیری ماشین مختلف) تمرکز می‌کردند. دوره‌های بسیار کمی وجود داشتند که ریسک/کلاهبرداری پرداخت، مدل‌سازی و کدنویسی را برای حل مشکلات دنیای واقعی به هم پیوند می‌دادند.

در صنعت پرداخت و ریسک پرداخت، همگان به این نتیجه رسیده‌اند که برای مبارزه با کلاهبرداران، باید به راه‌حل‌های مبتنی بر داده اتکا کنیم. این امر، علم داده و تحلیل داده را برای ریسک پرداخت و کلاهبرداری پرداخت فوق‌العاده مهم ساخته است.

بنابراین، در این دوره، می‌خواهم دانش خود را در زمینه علم داده و تحلیل در ریسک پرداخت به اشتراک بگذارم. این دوره پوشش وسیعی از مبانی پرداخت و ریسک پرداخت، علم داده، آمار، مدل‌سازی و کدنویسی را ارائه می‌دهد و با استفاده از مطالعات موردی، داده، کدنویسی و آمار را به هم پیوند می‌زند. دقیقاً همان کاری که ما در دنیای واقعی و در کار روزمره انجام می‌دهیم. بهترین استعدادهایی که من در پی‌پل، گوگل و چایم مشاهده کرده‌ام، افرادی هستند که واقعاً در پیوند دادن این مفاهیم برای حل مشکلات پیچیده مهارت دارند.

امیدوارم این دوره بتواند شما را برای موفقیت آینده‌تان در حوزه پرداخت و ریسک پرداخت آماده کند. اگر هر یک از این موارد برای شما جذاب است، لطفاً به ما بپیوندید. بیایید از این سفر هیجان‌انگیز با هم لذت ببریم!

حسابداری مالی

سایر امور مالی و اقتصادی

آموزش ریسک پرداخت و تقلب پرداخت: علم داده و تحلیل‌ها - آخرین آپدیت

دانلود Payment Risk and Payment Fraud: Data Science and Analytics

آنچه خواهید آموخت:

پیش‌نیازها:

درباره مدرس:

مقدمه Introduction

مقدمه Introduction

سرفصل دوره Course Outline

پرداخت Payment

مروری بر پرداخت Payment Overview

تراکنش‌های کارتی Card Transactions

شارژبک و بازپرداخت Chargeback and Refund

تراکنش‌های ACH ACH Transactions

3DS2.0 3DS2.0

برنامه‌های ضد کلاهبرداری شبکه‌های کارتی Card Network Fraud Programs

مقررات E در مقابل مقررات Z Regulation E vs Regulation Z

آزمون پرداخت Payment quiz

ریسک پرداخت Payment Risk

مروری بر ریسک پرداخت Payment Risk Overview

مقدمه ATO ATO Introduction

چگونه ATO را شناسایی کنیم How to identify ATO

مروری بر اطلاعات مالی سرقت شده و NSF Stolen Financial and NSF overview

چگونه SF و NSF را شناسایی کنیم How to identify SF and NSF

مروری بر کلاهبرداری خانوادگی Family Fraud Overview

چگونه کلاهبرداری خانوادگی را شناسایی کنیم How to identify Family Fraud

مقدمه ریسک پذیرنده Merchant Risk Introduction

چگونه ریسک پذیرنده را شناسایی کنیم How to identify merchant risk

آزمون ریسک پرداخت Payment Risk Quiz

آمار و ML Statistic and ML

سرفصل آمار Stats outline

فرضیه Hypothesis

نمونه‌گیری Sampling

محاسبه حجم نمونه Sample Size Calculation

ماتریس سردرگمی (Confusion Matrix) Confusion Metrix

مبانی ML ML Basic

رگرسیون خطی 101 Linear Regression 101

رگرسیون خطی 102 Linear Regression 102

رگرسیون خطی 103 Linear Regression 103

رگرسیون خطی 104 Linear Regression 104

رگرسیون لجستیک 101 Logistic Regression 101

رگرسیون لجستیک 102 Logistic Regression 102

درخت تصمیم 101 Decision Tree 101

درخت تصمیم 102 Decision Tree 102

جنگل تصادفی 101 Random Forest 101

جنگل تصادفی 102 Random Forest 102

GBDT 101 GBDT 101

GBDT 102 GBDT 102

Xgboost 101 Xgboost 101

Xgboost 102 Xgboost 102

تست و ارزیابی مدل Model testing and evaluation

آزمون آمار و ML Statistic and ML Quiz

SQL SQL

چگونه SQL را در این کلاس اجرا کنیم How to run SQL in this class

مثال‌های SQL ما کجا هستند و چگونه با آن‌ها کار کنیم where our sql examples are and how to play with them

انتخاب (Select) Select

SQL: انتخاب (Select) SQL: Select

انتخاب متمایز (Select distinct) Select distinct

SQL: انتخاب متمایز (Select distinct) SQL: Select distinct

بند شرط (where clause) where clause

SQL: شرط (Where) SQL: Where

گروه‌بندی بر اساس (group by) group by

SQL: گروه‌بندی بر اساس (Group By) SQL: Group By

تابع تجمعی (aggregate function) aggregate function

SQL: تابع تجمعی (Aggregate function) SQL: Aggregate function

تابع حداکثر/حداقل (Max/min function) Max/min function

SQL: تابع حداکثر/حداقل (Max/min function) SQL: Max/min function

بند Having Having Clause

SQL: Having SQL: Having

پیوند (Join) Join

SQL: پیوند (Join) SQL: Join

عملگر In In operator

SQL: In SQL: In

عملگر نابرابر (Not equal operator) Not equal operator

SQL: نابرابر (not equal) SQL: not equal

تابع تاریخ (date function) date function

دستور case when case when statement

SQL: Case when SQL: Case when

تابع تبدیل نوع (cast function) cast function