Fraud Detection dans les institutions financières : Prévention et gestion

Jun 21, 2019

09:00

La maison de l’exportateur (CEPEX), Tunis, Tunisie

Prerequisites

Connaissances générales en système d’information

La détection d’anomalies (dite aussi détection d’outliers) est une tâche de l’apprentissage
automatique qui consiste à déceler dans les données, les instances (individus) ayant un
comportement différent (inhabituel) des autres instances de la base dites normales. Dans le cas de
la détection des fraudes par exemple, toute dépense très étrange par carte de crédit est suspecte.
Les variations possibles sont si nombreuses et les exemples de formation si rares, qu’il n’est pas
possible de savoir à quoi ressemble une activité frauduleuse ou un incident.

Objectifs :
– Détection des anomalies en apprenant à quoi ressemble l’activité normale (à l’aide d’un
historique de transactions supposées non-frauduleuses) et d’identifier tout ce qui est très
différent.
– Approches supervisées et d’autres non supervisées de détection de fraude
– Expérimentation des solutions permettant de répondre à différents problèmes liés à la détection
d’anomalies avec le langage Python, dans le domaine bancaire et financier.

Participants :
– Dirigeants d’entreprises, managers, directeurs et responsables des directions des systèmes
d’information, des entreprises financières, …

Programme :
– Tour d’horizon des problèmes & types d’apprentissage supervisé et non supervisé pour la
détection d’anomalies
– Principaux modèles et algorithmes d’apprentissage de détection d’anomalies
– Mise en pratique sur des jeux de données avec scikit-learn (http://scikit-learn.org/) sous
Python sur des cas d’études issues du domaine bancaire.
– Construire un modèle de détection de fraudes dans les transactions bancaires
– Mise en place d’une étude empirique utilisant des algorithmes d’apprentissage supervisé
pour la prédiction du churn et pour l’approbation de crédit bancaire automatique.

Copyright 2018 Evolutive-Labs. All rights reserved