关于深度学习,这里有一份入门公开课(文末福利)
点击图片购书
参与文末话题讨论,每日赠送异步图书
——异步小编
前不久,“逃犯看张学友演唱会被抓”的新闻让不少人都感慨,原来演唱会还能用来干这个!其实这都是AI面部识别技术的功劳,在支付、安防等领域,AI面部识别技术有着广泛的应用。在互联网金融信贷风险控制中,我们也会借助机器学习和统计分析的模型,对信贷申请者进行“AI面部识别”。即使一个微博、一条朋友圈这些看似平常的个人社交信息,经过AI模型计算后,也能帮助我们识别出那些可能的“逃犯”——信贷欺诈者。
本次公开课将从建模的角度,介绍互联网金融反欺诈模型的关键——如何从信贷申请数据中提取出有用的特征。实际的建模结果表明,信贷申请人的“社交网络”特征往往是最有效的。
1|分享嘉宾介绍
我是谁?我为什么要开公开课
唐亘,数据科学家,《精通数据科学:从线性回归到深度学习》一书作者。热爱并积极参与Apache Spark、 scikit-learn等开源项目。作为讲师和技术顾问为多家机构(包括惠普,华为,复旦大学等)提供百余场技术培训。
在此之前,工作和研究集中于经济和量化金融,曾参与经合组织(OECD)的研究项目并发表论文,并担任英国在线出版社Packt的技术审稿人。
曾获得复旦大学的数学和计算机双学士学位;巴黎综合理工的金融硕士学位;法国国立统计与经济管理学校的数据科学硕士学位。
扫码识别,进入直播间
2|分享题目
适合零基础的你?
分享题目:“社交网络”分析在互联网金融反欺诈中的应用
分享概要
在互联网金融信贷风险控制中,反欺诈识别是很重要的一环。在实践中,我们常常借助机器学习和统计分析的模型从信贷申请中识别出那些可能的欺诈者。从建模的角度来讲,如何从申请数据中提取出有用的特征是模型成功的关键,而实际的建模结果表明,申请人或者申请的“社交网络”特征是最有效的。
此次分享主要分为两个部分,第一部分主要介绍互联网金融反欺诈所用的数据源和模型框架,为分享的第二部分做铺垫;第二部分是分享的重点,将依次介绍
-
利用申请数据搭建申请人或者申请的“社交网络”
-
利用染色等方法找到网络中可能的欺诈团伙
-
利用深度学习(deepwalk)的方法将网络向量化,并和其他特征一起搭建模型
分享的技术和模型即包含业内最有效的反欺诈手段,也包含了前沿的研究实验方向,具有很大的实用性。
分享大纲
-
互联网金融反欺诈简介
-
搭建社交网络
-
挖掘欺诈团伙
-
深度学习在社交网络中的应用
大纲详解
在互联网金融反欺诈简介中将介绍如下三个内容。
-
互联网金融的业务简介以及欺诈案例介绍:互联网金融的业务模式、特点以及公司模型介绍;信贷欺诈特点、规模以及宜人贷欺诈案例介绍
-
互联网金融反欺诈(风控)数据源介绍:从来源的角度来看,数据可以分为内部数据和外部数据;从分类的角度来看,数据可以分为个人信息数据、通讯数据、行为数据。这一部分将简单介绍不同数据的大致用法,并为后面的社交网络做准备
-
反欺诈模型架构以及模型产出物介绍:与风控模型类似,反欺诈的模型产出大概有两个,一是基于逻辑回归生成相应的欺诈评分模型;二是利用决策树生成反欺诈规则。这两种产出都严重依赖于特征提取,特别是社交网络的特征提取
在搭建社交网络这个部分,将主要介绍如下两个内容。
• 搭建社交网络的一般步骤:定义节点和边、搭建异构网络、折叠同构网络、社区发现和染色。
• 常用的异构网络以及同构网络举例:利用第一联系人、家庭地址等搭建网络;折叠成申请为结点的网络
在挖掘欺诈团伙的这个部分,将介绍如下的两个部分
• 一度、二度关联的特征提取
• 利用社区发现以及page rank算法(染色算法)进行半监督的学习:LPA算法介绍以及效果展示,page rank算法效果展示。
在深度学习在社交网络中的应用这一部分,将介绍如下的内容:
• 向量化社交网络的意义:向量化社交网络是关键的一步,使得社交网络可以和其他特征一起使用,也方便使用经典的算法对社交网络进行聚类或分类。
• word2Vec的模型简介
• deepwalk简介以及模型效果展示
3|听课福利
不仅有免费公开课,还有礼物送?
福利一:公开课结束,将选出提问的3名读者,赠送唐亘作品《精通数据科学:从线性回归到深度学习》一本。
福利二:选出10名读者,赠送异步社区20元e读版图书现金券一张。
福利三:关注【异步图书】微信公众号,回复“公开课”进入此次公开课微信群,活动结束后获取此次演讲PPT。
福利四:今日在异步社区购买《精通数据科学:从线性回归到深度学习》畅享7折优惠,点击领取优惠券购书。
4|嘉宾作品
《精通数据科学:从线性回归到深度学习》
《精通数据科学:从线性回归到深度学习》
唐亘 著
数据科学入门到实战,介绍数据科学常用的工具——Python、数学基础及模型,讨论数据科学的前沿领域——大数据和人工智能,包括机器学习领域经典的模型、分布式机器学习、神经网络和深度学习等。
-
在数据学科的角度,融合了数学、计算机科学、计量经济学的精髓
-
为读者阐释了数据科学所要解决的核心问题—数据模型、算法模型的理论内涵和适用范围
-
以常用的IT工具—Python为基础,教会读者如何建模以及通过算法实现数据模型,具有很强的实操性。
-
本书还为读者详解了分布式机器学习、神经网络、深度学习等大数据和人工智能的前沿技术。
-
今日互动
-
针对今天的公开课,有什么想法?有哪些疑问?为什么?截止时间6月6日12时,留言+转发本活动到朋友圈,小编将抽奖选出3名读者赠送纸书1本和2张e读版80元异步社区代金券,(留言点赞最多的自动获得一张)。
异步图书后台回复“5月新书”进入新书交流群,获得第一手新书信息
-
推荐阅读
每天与你分享IT好文。
在“异步图书”微信后台回复“关注”,即可免费获得2000门在线视频课程
点击阅读原文,购买《精通数据科学:从线性回归到深度学习》
低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。
持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。
转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。
- 上一篇
jquery里判断数组内是否包含了指定的值或元素的方法
本文讲的是在jquery里,如何判断一个数组里是否包含了指定的值,变量,或其它对象元素的方法。 在jquery里,我们可以用$.inArray来判断一个数组里是否包含了指定的值或其它对象元素,来看一个简单的实例: var arr=["aijquery","jquery","I like it"]; var str="aijquery.cn"; if($.inArray(str,arr)<0){ alert("数组里不包含!"); } $.inArray是用来获取指定的值在数组中的位置,从0开始计数(如果没有找到则返回 -1 。 上面的数组只是普通的字符型数组,下面我们来看其它类型的数组,比如jquery里用$.makeArray来生成的HTML元素类数组: //我们首先使用$.makeArray来生成一个数组 var arr=$.makeArray($("div")); 现在假设这些div里,我们其中有一个ID为"aijquery"的div,那么我们是否可以用上面的方法来判断这个div是否包含在这个数组里呢? 答案是可以的,不过需要注意转换jquery对象为js对象,来看下面站...
- 下一篇
动态规划法(六)鸡蛋掉落问题(一)(egg dropping problem)
继续讲故事~~ 这天,丁丁正走在路上,欣赏着路边迷人的城市风景,突然发现前面的大楼前围了一波吃瓜群众。他好奇地凑上前去,想一探究竟,看看到底发生了什么事情。 原来本市的一位小有名气的科学家正在这幢大楼进行一个实验:某种材料的防护性能。他在大楼的底下铺了一层这种防护材料,想拿鸡蛋做实验,将鸡蛋从楼层掉下,看看鸡蛋从哪一层掉下去会摔碎,以此测试该材料的防护性能。这就是著名的鸡蛋掉落问题(egg dropping problem),即给定N个鸡蛋和k层楼,试问至少需要几次才能确定鸡蛋从哪一层楼掉下去恰好摔碎。 一听到这个问题,他顿时感觉无从下手,没有丝毫的头绪。但他尝试着先从最简单的情形入手: 若鸡蛋数N=0或者楼层数为0,则尝试0次即可。 若鸡蛋数N=1, 对于楼层数为k,最坏的情况为尝试k次,因此至少需要k次才能确定鸡蛋从哪一层楼掉下去恰好摔碎。 有了最基本的情形还不够,对于其他的N,k并没有给出答案。这时,他想到自己这几天正在研究的算法:动态规划法,他想也许这个算法可以帮上忙。假设用numdrops(N,k)表示该问题的解。则将鸡蛋从x层扔下,有以下两种情形: 鸡蛋摔碎...
相关文章
文章评论
共有0条评论来说两句吧...
文章二维码
点击排行
-
Docker使用Oracle官方镜像安装(12C,18C,19C)
- Springboot2将连接池hikari替换为druid,体验最强大的数据库连接池
- CentOS8编译安装MySQL8.0.19
- Docker快速安装Oracle11G,搭建oracle11g学习环境
- SpringBoot2配置默认Tomcat设置,开启更多高级功能
- MySQL8.0.19开启GTID主从同步CentOS8
- CentOS7,8上快速安装Gitea,搭建Git服务器
- Jdk安装(Linux,MacOS,Windows),包含三大操作系统的最全安装
- SpringBoot2编写第一个Controller,响应你的http请求并返回结果
推荐阅读
最新文章
- SpringBoot2整合Redis,开启缓存,提高访问速度
- Jdk安装(Linux,MacOS,Windows),包含三大操作系统的最全安装
- SpringBoot2配置默认Tomcat设置,开启更多高级功能
- Springboot2将连接池hikari替换为druid,体验最强大的数据库连接池
- SpringBoot2整合MyBatis,连接MySql数据库做增删改查操作
- Hadoop3单机部署,实现最简伪集群
- Docker使用Oracle官方镜像安装(12C,18C,19C)
- MySQL8.0.19开启GTID主从同步CentOS8
- SpringBoot2编写第一个Controller,响应你的http请求并返回结果
- Windows10,CentOS7,CentOS8安装MongoDB4.0.16