Low-Code AI

Kapitel 5. Mit AutoML betrügerische Transaktionen aufdecken

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

In diesem Kapitel erstellst du ein Vertex AI AutoML-Modell, um vorherzusagen, ob eine Finanztransaktion betrügerisch ist oder nicht. Du bereinigst und untersuchst den Datensatz in einer Google Colab Notebook-Umgebung, bevor du einen verwalteten Datensatz auf Vertex AI erstellst, wie du es in Kapitel 3 getan hast. Sobald du einen verwalteten Datensatz erstellt hast, wirst du AutoML verwenden, um ein Klassifizierungsmodell zu erstellen, das vorhersagt, ob eine Transaktion betrügerisch ist oder nicht. Im Verlauf des Kapitels werden Klassifizierungsmodelle im Allgemeinen und die entsprechenden Metriken, die üblicherweise zu ihrer Bewertung verwendet werden, besprochen.

Der allgemeine Arbeitsablauf in diesem Kapitel ähnelt sehr dem, den du in Kapitel 4 für das Problem der Vorhersage von Werbemittelverkäufen durchgespielt hast. Aus diesem Grund findest du an vielen Stellen in diesem Kapitel genauere Details, bei denen die Unterhaltungen sehr ähnlich sind. Wenn du in diesen Abschnitten nicht weiterkommst, kannst du in Kapitel 4 nachlesen, wie es weitergeht.

Der Business Use Case: Betrugsaufdeckung bei Finanztransaktionen

Deine Aufgabe in diesem Kapitel ist es, ein Modell zu erstellen, das vorhersagt, ob eine Finanztransaktion betrügerisch oder rechtmäßig ist. Dein neues Unternehmen ist ein mobiler ...