Concevoir un réseau bayésien de détection de transactions suspectes
Aperçu
En quoi consiste ce défi.
Vous construirez un réseau bayésien de détection de fraude et calculerez une probabilité exploitable. Vous obtiendrez un certificat vérifiable.
Le brief
Ce que vous ferez, et ce que vous démontrerez.
Comment structurer un réseau bayésien qui estime la probabilité de fraude d'une transaction mobile afin de trier les alertes plus efficacement que des règles fixes ?
Earning criteria — what you'll demonstrate
- Représenter un domaine incertain par un réseau bayésien et ses dépendances
- Construire et justifier des tables de probabilités conditionnelles
- Réaliser une inférence probabiliste (élimination de variables) pour une requête donnée
- Relier la sortie probabiliste à une décision opérationnelle (seuil d'alerte)
Adéquation au programme
Où cela s'inscrit dans votre cursus.
Renforce les mêmes compétences que celles attendues par votre diplôme.
Cursus associés bientôt disponibles.
Compétences
Les compétences que vous démontrerez.
Chacune apparaît sur votre certificat vérifié.
Débouchés
Les métiers auxquels ce défi vous prépare.
De vrais intitulés. De vraies passerelles de compétences. Choisissez celui qui se rapproche le plus de votre trajectoire.
Les parcours de carrière que ce défi construit
Métiers de référenceData Scientist
Construire un réseau bayésien, estimer ses probabilités conditionnelles et en tirer une décision de seuil développe des compétences directement utiles à un data scientist travaillant sur la détection de fraude et le raisonnement probabiliste.
Ce défi renforce
- bayesian-networks
- probabilistic-reasoning
- knowledge-representation
Analyste de Risque
Le défi entraîne l'arbitrage entre fraudes manquées et fausses alertes à partir d'un modèle probabiliste — un raisonnement quotidien pour un analyste de risque en environnement de paiement mobile.
Ce défi renforce
- bayesian-networks
- probabilistic-reasoning
- information-retrieval
Architecte de Solutions IA
Concevoir une architecture de raisonnement probabiliste interprétable et la relier à un processus métier prépare à cadrer des solutions d'IA appliquées auprès d'équipes opérationnelles.
Ce défi renforce
- knowledge-representation
- bayesian-networks
- information-retrieval