Fraud Detection
Formålet med modulet er, at introducere den studerende for de grundlæggende muligheder og problemer, der er med brugen af Machine Learning og/eller AI i forhold til afsløring af at forudsige, afsløre og forhindre svindel. Modulet vil også diskutere de etiske og moralske aspekter af brugen af Machine Learning og/eller AI i forbindelse med at forudsige, afsløre og forhindre svindel.
Der er en stigende tendens til online svindel, hvor store mængder data kan blive, og bliver, indsamlet med henblik på at afsløre samt forhindre online svindel. Deltag i dette kursus og opnå indsigt i de tekniske aspekter, navnlig supervised machine learning, underliggende opdagelsen af online svindel såvel som præventive indsatser. Fra et etisk synspunkt, vil du opnå en forståelse for, hvordan variable (fx køngender, indkomst, racecome, race etc. osv.) udvælges, og du bliver samtidigt i stand til at drøfte valget af variable, der indsamles ifm. analyse af evt. online svindel.
Denne AI-pakke kan med fordel anvendes ifm. undervisning inden for bankvæsen, E-handel (herunder webshops) samt online salg generelt.
#supervisedmachineleaning, #unsupervisedmachinelearning, #dutyethics, #frauddetection, #fraudprevention, #utilitarianism, #fraudprediction, #predictingfraud, #labelleddata
In English
The purpose of the module is to introduce the student to the basic possibilities and problems that may be associated with using ML and/or AI in connection with fraud detection. Seen from the perspective of decision making, when collecting, analyzing, and utilizing data, the module will also discuss ethical and moral aspects connected to the use of ML and/or AI in connection with fraud detection.
Online fraud is increasing, and huge amounts of data can be and are being collected in order to detect and prevent fraud. Study this course and become aware of the technical aspects, in particular supervised machine learning, underlying fraud detection and prevention. From an ethical point of view, you will gain an understanding of how to choose input variables (fx gender, income, race etc.), and be able to reflect upon decision criteria for choosing the variables.
This module is suitable for teaching in banking, e-commerce, webshops and online sales in generel.
#supervisedmachineleaning, #unsupervisedmachinelearning, #dutyethics, #frauddetection, #fraudprevention, #utilitarianism, #fraudprediction, #predictingfraud, #labelleddata
