专栏首页AI研习社大讲堂 | 自动编码器、对抗样本生成和图卷积技术在智能风控行业的应用

大讲堂 | 自动编码器、对抗样本生成和图卷积技术在智能风控行业的应用

分享主题

自动编码器、对抗样本生成和图卷积技术在智能风控行业的应用

分享背景

在智能风控领域,有标签样本的稀缺、跨样本的关联风险扩散,以及风险模式的不断进化,是传统的监督学习模型面临的主要难题。我们尝试用无监督的聚类与对抗样本生成技术,在海量的数据中及时捕捉各种异常模式,并利用图挖掘和图卷积技术将个体异常在网络中扩散和聚焦,以便有效地发现和制止新型欺诈攻击。

分享嘉宾

唐溶

唐溶,氪信数据科学家,主要负责申请与交易异常检测的技术探索与开发。拥有中国香港科技大学本科数理双学位和美国西北大学经济学硕士学位,并在Winter WEHIA & CIEF 论坛和PlosOne学术期刊上发表过学术论文。对无监督聚类,社区挖掘算法和架构,以及基于图的深度学习有深入研究。

分享提纲

  • 金融领域所面临的的欺诈及合规风险的现状,以及人工智能在领域内的应用情况。
  • 氪信针对具体的风险场景,设计以深度学习框架进行异常检测的思路与演进。
  • 将模型、业务目的和可用数据结合过程中的经验分享

分享时间

(北京时间)08 月 01 日(星期四)晚上 20:00

扫码加入小组,直播回放都不错过,还能向讲师提问,与组员交流。

直播链接

http://www.mooc.ai/open/course/676

本文分享自微信公众号 - AI研习社(okweiwu),作者:AI研习社

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2019-07-31

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 强化学习实验里到底需要多少个随机种子的严格证明

    AI 研习社按:在机器学习和深度强化学习研究中,可重复性成为了最近最为热门、最常被人诟病的话题之一。复现一篇基于强化学习的文章远比想象的难,具体分析可参照《le...

    AI研习社
  • 最简单易懂的 GAN 教程:从理论到实践(附代码)

    GAN网络是近两年深度学习领域的新秀,火的不行,本文旨在浅显理解传统GAN,分享学习心得。

    AI研习社
  • Must Know! 数据科学家们必须知道的 5 种聚类算法

    聚类是一种关于数据点分组的机器学习技术。给出一组数据点,我们可以使用聚类算法将每个数据点分类到特定的组中。理论上,同一组中的数据点应具有相似的属性或特征,而不同...

    AI研习社
  • CVPR 2019提前看:少样本学习专题

    CVPR 2019 年共收到了 5165 篇有效提交论文,比去年 CVPR2018 增加了 56%,论文接收方面,本届大会共接收了 1300 论文,接收率接近 ...

    机器之心
  • 千万不要点进来,否则你会后悔的

    是的,我建立了一个免费的知识星球,名字就是:「非著名程序员」读者群。是的,你没有看错,免费加入。

    非著名程序员
  • 四两拨千斤!深度主动学习综述2020

    本文转载自知乎,为最近新出的论文 A Survey of Deep Active Learning 中文版介绍,原文作者调研了189 篇文献综述了深度主动学习的...

    公众号机器学习与生成对抗网络
  • [深度学习技巧]·数据类别不平衡问题处理

    如果不同类别的训练样例数目稍有差别,通常影响不大,但若差别很大,则会对学习过程造成困扰。例如有998个反例,但是正例只有2个,那么学习方法只需要返回一个永远将新...

    小宋是呢
  • 前端优化汇总,到底该不该做?

    大家好,这里是@IT·平头哥联盟,我是首席填坑官——苏南(South·Su),今天是国庆节的第二天,这个假期没有外出(不要问我为什么,自己脑补~?),前些天分享...

    苏南
  • 《spss统计分析与行业应用案例详解》:实例十八 游程检验 实例十九 单样本K-S检验

    基本功能是可以判断样本序列是否为随机序列。这种检验过程是通过分析游程的总个数来实现的。

    统计学家
  • CVPR 2020丨Variational DropPath:提高3D CNN时空融合分析效率的秘诀

    编者按:时空融合(Spatiotemporal fusion)是三维卷积神经网络(3D CNNs)的关键要素,它决定了网络前馈过程中每一层如何提取、融合空间信号...

    Amusi

扫码关注云+社区

领取腾讯云代金券