Thumbnail
지식공유자의 깜짝할인 중(D-3)
인공지능 딥러닝 · 머신러닝

인공지능을 활용한 이상거래 검출 기법 대시보드

(4.4)
7개의 수강평 ∙  78명의 수강생

24%

58,300원

77,000원
지식공유자: YoungJea Oh
총 35개 수업 (11시간 9분)
수강기한: 
무제한
수료증: 발급
난이도: 
입문
-
초급
-
중급이상
지식공유자 답변이 제공되는 강의입니다
폴더에 추가 공유

중급자를 위해 준비한
[데이터 분석] 강의입니다.

현대 비즈니스 세계에서 데이터 보안과 사기 방지는 어느 때보다 중요해졌습니다. 이 강의는 인공지능(AI)을 활용하여 이상거래를 효과적으로 감지하고 분석하는 방법에 대해 집중적으로 다룹니다. 파이썬(Python)과 머신러닝을 활용하여 이상거래, 신용카드 사기, 생산 라인의 이상 등 다양한 산업 분야에서 발생하는 이상치를 조기에 탐지, 검출할 수 있도록 하는 인공지능 모델을 구축해 봅니다.

✍️
이런 걸
배워요!
이상거래 검출 방법
Fraud detection 접근 방법
편향된 데이터의 샘플링 방법
LOF 알고리즘
Isolation Forest
Autoencoder 원리
Variational Autoencoder
변이 오토인코더
오토인코더
VAE

이론은 간략히, 실습은 알차게. 
인공지능 이상거래 탐지에 도전해보세요! 

AI 기반 이상치 검출 기법, 
어디까지 시도해보셨나요?

이런 분들께 추천합니다

🙋‍♀️ “전통적인 규칙 기반의 이상 거래 검출 방식에 한계를 느낍니다.”

🙋‍♀️ “인공지능을 공부했는데 어디에 써먹으면 좋을까요?”

🙋‍♀️ “당장 실무에 쓸 수 있는 실전적인 강의가 필요합니다.”

이 강의는 인공지능을 활용한 이상치 검출 방법에 대해 다룹니다. 인공지능 모델을 이용하면 금융거래, 생산 및 제조업 등 다양한 분야에서 이상거래나 이상수치가 발생하는 것을 조기에 탐지할 수 있습니다. 

이상거래 검출 모델을 도입하기 위해서는 자료에서 나타나는 이상거래 패턴을 파악하고, 편향된 데이터를 샘플링하는 등 다양한 머신러닝 기법이 필요합니다. 

실습과 원리를 동시에 이해할 수 있도록

전통적인 규칙 기반의 이상치 검출과 인공지능 기반 이상치 검출 기법은 완전히 다릅니다.

때문에, 이 강의에서는 비교적 최근에 발전한 머신러닝 기법까지 아우를 수 있도록 커리큘럼을 구성하였습니다. 커리큘럼을 따라 실습하다 보면 실제 이상치 검출을 위한 모델링 구축에 활용할 수 있을 것입니다.

새로운 이상 거래 검출 방법 A to Z!

  • ✅ 편향된 데이터의 샘플링 방법을 학습합니다.
  • ✅ 전통적인 머신러닝을 활용한 지도학습, 비지도학습 이상치 검출 기법에 대해 배웁니다.
  • ✅ 딥러닝을 활용한 지도학습, 비지도학습 이상치 검출 기법까지 공부해 봅니다.

선수 지식을 확인해주세요!

시간이 부족하신 분들이 별도 선수 과목 없이도 수강 가능하도록 구성하였지만, 이상적으로는 다음 과정에 대한 선수 수강을 권장합니다. (※ 선수 지식으로 파이썬 및 ML/DL 기본 지식이 필요합니다.)

파이썬 기초 실력을 속성으로 빠르게 배우고 싶다면

머신러닝/딥러닝 사전 지식을 차근차근 익히고 싶다면

파이썬 언어를 제대로 확실히 익히고 싶다면

이런 분들께 추천드려요!

🎓
학습 대상은
누구일까요?
인공지능을 이상치 검출에 활용하고 싶은 분
기존의 규칙 기반 이상치 검출에 한계를 느끼는 개발자
정보보안 분야 종사자
📚
선수 지식,
필요할까요?
파이썬(Python)
머신러닝, 딥러닝 기본 원리

안녕하세요
YoungJea Oh 입니다.
YoungJea Oh의 썸네일

오랜 개발 경험을 가지고 있는 Senior Developer 입니다. 현대건설 전산실, 삼성 SDS, 전자상거래업체 엑스메트릭스, 씨티은행 전산부를 거치며 30 년 이상 IT 분야에서 쌓아온 지식과 경험을 나누고 싶습니다. 현재는 인공지능과 파이썬 관련 강의를 하고 있습니다.

홈페이지 주소:

https://ironmanciti.github.io/

커리큘럼 총 35 개 ˙ 11시간 9분의 수업
이 강의는 영상, 수업 노트, 첨부 파일이 제공됩니다. 미리보기를 통해 콘텐츠를 확인해보세요.
섹션 0. 교육 환경 준비
과정 구성 소개 미리보기 02:45 선수 과목 안내 미리보기
Anaconda 설치 02:31
Jupyter Notebook / Google Colab 사용 방법 15:57
강의 자료 (강의 교재 pdf file, 소스 코드 github)
섹션 1. 이상 거래 검출 Overview
이상 거래 정의와 접근 방법 미리보기 12:12
알고리즘 종류와 선택 기준 15:13
편향된 데이터의 모델 성능 측정 17:09
불균형 데이터 세트의 sampling 방법 08:30
실습 - 불균형 데이터 세트 sampling 34:20
섹션 2. 지도 학습 기법
Logistic Regression, Random Forest 모델 10:32
KNN 모델, 실습 문제 설명 09:44
실습 - 지도학습 방법 - 전통적 머신러닝 - part 1 미리보기 41:21
실습 - 지도학습 방법 - 전통적 머신러닝 - part 2 44:24
Deep Neural Network을 사용한 이진 분류 - 이론 미리보기 05:44
실습 - Deep Neural Network 이진 분류 - part 1 34:51
실습 - Deep Neural Network 이진 분류 - part 2 24:23
섹션 3. 비지도 학습 기법
LOF (Local Outlier Factor) 07:39
실습 - LOF 모델 (특이치, 이상치 검출) 구현 36:50
Isolation Forest 11:02
실습 - Isolation Forest 모델 구현 42:20
Deep Neural Network - 오토인코더 원리 23:49
실습 - Simple Autoencoder 시각화 18:24
실습 - Stacked Autoencoder 모델 작성 - MNIST 33:52
오토인코더 - Anomaly Detection 적용 방법 08:51
실습 - 재구성 오류를 이용한 Fraud Detection - part 1 33:32
실습 - 재구성 오류를 이용한 Fraud Detection - part 2 22:18
실습 - 오토인코더를 특성 추출기로 사용 29:31
시계열 데이터 이상치 검출 - part 1 (Conv1D) 09:20
시계열 데이터 이상치 검출 - part 2 (시계열 자료 구성, LSTM) 22:30
실습 - 시계열 데이터 이상치 검출 26:43
변이형 오토인코더 (Variational Autoencoder, VAE) 개요 09:34
VAE 구조 12:17
VAE 의 수학적 설명 - 변분추론, ELBO, 재매개변수화 트릭 13:23
실습 - 255_fraud_detection_with_variational_autoencoder_keras 27:45
강의 게시일 : 2023년 02월 02일 (마지막 업데이트일 : 2024년 03월 03일)
수강평 총 7개
수강생분들이 직접 작성하신 수강평입니다.
4.4
7개의 수강평
5점
4점
3점
2점
1점
VIEW 추천 순 최신 순 높은 평점 순 낮은 평점 순 평점 순 높은 평점 순 낮은 평점 순
한지형 thumbnail
5
도움이 되었어요
2023-10-21
jb.lee thumbnail
5
굿굿굿굿굿!!!
2024-02-20
무도사 thumbnail
5
다양한 이상치 탐지 기법에 대해 다루어 볼 수 있어서 좋았습니다. 계속 반복하여 수강한다면 강의 내용을 참고하여 좋은 모델을 만들 수 있을 것 같습니다.
2023-02-10
김기한 thumbnail
5
다양한 실습으로이해를 돕습니다.
2023-07-16
princekey thumbnail
5
유익한 수업이었습니다.
2024-03-11