Получить доступ

Как искать аномалии в данных, например мошеннические транзакции?

MiddleМодели машинного обучения
Ещё спрашивают так:
  • Как построить антифрод-модель?
Коротко

Если есть размеченные случаи — это классификация с сильным дисбалансом: бустинг, метрики PR-AUC и полнота при заданной доле ложных тревог, порог по стоимости ошибок. Если разметки нет — обучение без учителя: статистические правила (отклонение от нормы, z-оценка), Isolation Forest, автоэнкодеры, расстояние до соседей. В антифроде важны признаки поведения (скорость, новые устройства, необычные суммы), работа в реальном времени и адаптивность — мошенники меняют тактику.

  • Точность бесполезна: 99,9% нормальных операций
  • Порог выбирают по цене пропуска против цены ложной блокировки
  • Модель дополняет правила и ручную проверку, а не заменяет

А ещё Разметка запаздывает: мошенничество подтверждается неделями

Так подсказку видит пользователь sotto на живом собеседовании — за пару секунд, пока вы думаете вслух.

Подробно

Подходы:

ситуацияметод
есть меткибустинг, взвешивание классов, калибровка
меток нетIsolation Forest, LOF, автоэнкодер
временные ряды метрикотклонение от прогноза, сезонные пороги

Признаки: частота и суммы за окна, отклонение от обычного поведения клиента, граф связей (общие устройства, карты).

Эксплуатация: задержка ответа в миллисекундах, обратная связь от проверки, мониторинг дрейфа и регулярное переобучение.

Что хотят услышать

  • Разные подходы с метками и без.
  • Метрики и порог по стоимости ошибок.
  • Поведенческие признаки и адаптация к изменениям.

Связанные вопросы

Закрытая бета

Подсказки на собеседовании — в реальном времени

sotto слышит вопрос интервьюера и показывает короткий ответ и план, как в блоке «Коротко». Оставьте контакт — пришлём доступ и промокод.

  • Промокод на 2 часа — сверх пробных 30 минут
  • Программа для Windows — скачать сразу, войти — через Яндекс ID или VK ID
  • Прямая связь с разработчиком: что улучшить — сделаем