MACHINE LEARNING PARA PREVER FRAUDES

Nesse vídeo vou ensinar pra você como criar uma modelo de Machine Learning para prever fraudes e faremos isso passando por todas etapas necessárias para a criação de um modelo preditivo.
Iremos fazer analise exploratória de variáveis categóricas e numéricas, analise de valores missing(nulos), tratamento de dados, analise estatística,
analise e tratamento de outliers, gráficos, padronização e normalização de dados, OneHotEncoding, balanceamento da variável alvo, analise de métricas e analise de variaveis que melhor performam no modelo preditivo.
Iremos realizar todo trabalho passo a passo e na pratica utilizando Python e seus pacotes como Pandas, SciKit Learning, NumPy, MatPlotLib, Smoot, e muito mais.
Iremos criar e treinar mais de 500 modelos de Machine Learning de forma automática fazendo os ajustes dos hiperparametros de forma
automática com o GridSearchCV, que é uma biblioteca excelente do SciKitLearn.
Vamos criar, treinar e avaliar os nossos modelos preditivos utilizando três algoritmos que serão o Random Forest, o SVM (Support Vector Machine) e o KNN.
Vem comigo porque este vídeo está recheado de coisas legais e muito aprendizado pra você.
Vídeos que comentei durante o vídeo que podem ser úteis pra você:
Como fazer NORMALIZAÇÃO e PADRONIZAÇÃO de DADOS (O Guia Completo)
• Como fazer NORMALIZAÇÃ...
Como aprender estatística de forma fácil
• Como aprender estatíst...
Como MELHORAR A PERFORMANCE dos Modelos de Machine Learning
• Como MELHORAR A PERFOR...
Como fazer TRATAMENTO de DADOS com PYTHON
• Como fazer TRATAMENTO ...
Os links abaixo são de afiliados, comprando através desses links eu ganho uma pequena comissão do site. É uma forma de você me ajudar a continuar produzindo esses excelentes conteúdos.
📚 Livros que me ajudam a aprimorar meus conhecimentos
📚 Python para Data Science: e Machine Learning descomplicado: amzn.to/40agbys
📚 Microsoft SQL Server 2016 express edition interativo: amzn.to/3MhjfTM
📚 Inteligência Artificial - Uma Abordagem de Aprendizado de Máquina: amzn.to/3MgRiLT
📚 Business Intelligence e Análise de Dados para Gestão do Negócio: amzn.to/3Mf9bdO
📚 Estatística prática para cientistas de dados: 50 conceitos essenciais: amzn.to/3rWup9H
📚 Projetos Ciência de Dados com Python: amzn.to/3SI2ftZ
📚 Estatística e Ciência de Dados: amzn.to/3R1nSnO
📚 Python para Análise de Dados: amzn.to/46fSqqa
👍 Equipamentos que utilizo no meu dia a dia
🖥️ Monitor Dell: amzn.to/3Sj5Dvb
💻 Notebook Dell: amzn.to/3Qw2uGQ
🖱️ Mouse Microsoft: amzn.to/3Q6Xwio
🖱️ Mouse Microsoft: amzn.to/49Em8bd
🖲️ Mouse Pad: amzn.to/3srQzAR
⚙️ Pen Drive 32Gb: amzn.to/3MMvZ58
⚙️ Conector Hub USB-C: amzn.to/3GnwCys
🔌 Filtro de linha: amzn.to/3QuLmQP
🔋 Smart Plug Wi-Fi: amzn.to/3FxlZse
🙂 Maquina de Barbear c/ 12 acessórios Philips: amzn.to/47uixdU
⚙️ Novo Echo Dot 5ª geração: amzn.to/473eSDL
🪑 Cadeira Gamer: amzn.to/3SGJLd6
💻 Capa Protetora Para Laptop Macbook Air M2 15 Polegadas: amzn.to/41d19bS
💻 Capa Case Compatível Para Macbook New Air 13,3: amzn.to/3RoHi6e
💡 Bastão Led Sokani 25x: amzn.to/49Gnxye
💡 Bastão Led Portátil: amzn.to/3sH1aaX
💡 Kit de Iluminação com SoftBox: amzn.to/3G1Hz8E
📺 Smart TV 4k Sansung: amzn.to/3sH052T
📺 SAMSUNG Smart TV Crystal 50" 4K UHD: amzn.to/47FCAGG
Link para download do jupyter notebook e dos conjunto de dados apresentados neste vídeo:
docs.google.co...
#machinelearning
#ciênciadedados
#python

[@carolinesombrio722]

#machinelearning

[@brunocorrea4425]

Mal comecei o video e já to vendo que o conteúdo é rico de tanta coisa que voce citou que veremos. É raro ver conteúdos ricos desta forma, parabéns e obrigado por compartilhar seu conhecimento.

[@raphapx1]

Seu canal é sensacional, obrigado por compartilhar o seu conhecimento de forma gratuita e #machinelearning

[@DiversosCadastro]

Explicações claras e conceitos fundamentais e boa didática!!.... p/ ficar mais completo poderia mostrar como esses modelos que foram treinados neste exemplo poderiam ter a aplicação prática na área de negocio, eu vi outros vídeos seu com outras situações que mostram, mas este projeto seria perfeito!
so temos a agradecer ..

[@joasjonson9123]

Um projeto em SQL seria muito bom , vejo poucos disponíveis no TH-cam, ainda mais com essa didática. Algum trabalho analisando dados no SQL seria bem legal.

[@flaviakrollguimaraes727]

Como sempre um vídeo completo e bem explicado

[@camilasantos9187]

Obrigada pelo conhecimento!

[@thiagocarvalhoribeiro]

Olá. Tenho uma dúvida. Ao usar o label enconding numa variável como UF_Cliente, por exemplo, vc vai gerar uma relação ordinal que não existia, certo? Um estado vai receber 1 e o último 27, por exemplo. Isso não enviezaria o modelo, dando mais importância para os estados com maiores valores? Não seria mais adequado usar o one hot enconding, quebrando em algumas colunas com apenas 0 e 1?
Excelente conteúdo, parabéns!

[@nerddosdados]

Olá Thiago bom dia
Obrigado
Excelente pergunta. Nesse caso pode usar o OneHotEncoder onde irá criar as variáveis dummy’s…porém precisará se atentar ao VIF para não gerar multicolinearidade.
Nesse caso utilizei o label encoder justamente pra evitar isso, mesmo criando um pequeno viés mas nesse caso não gera muito impacto porque essa variável no final não vai representar um peso muito grande no modelo

[@jrpsa]

#machinelearning grande explicação. Obrigado

[@marceloborges6782]

Aula excelente!
#machinelearning

[@Mouraxy]

#machinelearning que video top, dando like e compartilhando para ajudar a galera.
Mas tenho uma dúvida, eu consigo testar diferentes configurações de padronização/normalização e balanceamento e não balanceamento e, além disso, testar os melhores hiperparâmetros para cada uma dessas configurações? Por mais que isso demande mais tempo de processamento, é uma prática válida para aumentar a acurácia do modelo?
Exemplo:
Tenho o meu conjunto de dados separado com várias configurações distintas:
Balanceado e padronizado
Balanceado e não padronizado
Não balanceado e padronizado
Não balanceado e não padronizado (sem tratativa nenhuma, apenas usando o test_split).
Para cada uma dessas configurações, eu poderia testar diferentes modelos e hiperparametros para obter o melhor conjunto de configurações/modelo/hiperparâmetros?

[@nerddosdados]

Poderia fazer isso sim, demandaria mais tempo porém você testaria de diversas formas. Faz isso porque dessa forma você conseguirá entender mais claramente como os dados irão se comportar…

[@DanielJunior-gv7kq]

Na parte de analise exploratória dos dados categoricos, eu não entendi de onde veio a variavel possivel fraude. pode explicar melhor?

[@nerddosdados]

A variável possível fraude já veio no dataset nos dados coletados

[@kaiokbs]

Tenho uma dúvida. Estudo dados há poucos meses.
Gostaria de saber como aplicar agora a precisão encontrando, já que descobrimos que o Random Forest seria o mais preciso. Agora como aplicar esse resultado para criar insight, uma tomada de decisão ou elaborar algo para prever fraudes ? (que é o tema dos dados analisados).
Acredito que uma das maiores dúvidas e dificuldades de quem começa é usar todo o conteúdo para gerar algum resultado útil. Saberia me explicar ou poderia um dia fazer um vídeo sobre essas aplicações, por exemplo, dando continuidade a este mesmo vídeo? Agradeço muito.

[@nerddosdados]

Oi Kaio sua dúvida tem total sentido. Eu já fiz uma série de vídeos (6 vídeos) bem passo a passo como faz tudo isso, vou deixar o link aqui da primeira parte e depois você pode ir seguindo para os outros vídeos….é exatamente sobre isso que vc questionou ok ?
Como criar um modelo de Machine Learning - Do ZERO à PRODUÇÃO Automatizando TUDO - Parte 1
th-cam.com/video/ey4GZtO_VzE/w-d-xo.html

[@beatriz9567]

que aula!!!

[@jeffersonnavarausckas5317]

#machinelearning Vídeo top como sempre ❤

[@aline0167]

Por gentileza, a base de dados utilizada nesse projeto possui algum fonte ou foi gerada somente para essa aula?

[@nerddosdados]

Foi gerada para este exemplo

[@aline0167]

@@nerddosdados Perfeito, gostaria de pedir a sua permissão para utilizá-la em meu projeto. Se estiver tudo de acordo, como posso citá-lo, por gentileza?

[@carolinesombrio722]

Cara, se puder compartilhar os dados pelo colab, é melhor!! Eu não consegui abrir a pasta de jeito nenhum :(

[@nerddosdados]

A pasta está compactada….tenta descompactar ela. De toda forma vou disponibilizar amanhã os arquivos separados….

[@mayconleonardovazdelima]

Mestre podemos adaptar e colocar no portfólio?

[@nerddosdados]

Pode sim 👍🏻

[@joasjonson9123]

Qual a fonte das bases de dados ?

[@nerddosdados]

Instituição financeira

[@joasjonson9123]

#Machinelearning

[@joaocoimbra4032]

Prof, você vai fazer PLN?

[@nerddosdados]

Sim

[@brunoestevam2049]

Azure Machine Learning

[@AdrianoAlexSantos]

#machinelearning. Vamos embora

[@ShiryuMagoficial]

#machinelearning

[@LUCASRIBEIRO-wn6gh]

#machinelearning

[@kaiokbs]

#machinelearning

[@rafaelrmtt]

#machinelearning

[@Erickmkm]

#machinelearning

[@715danilo]

#machinelearning

[@flaviakrollguimaraes727]

#machinelearning

[@luizcoura2151]

#machinelearning

[@Eron300]

#machinelearning

[@wiltonsales7694]

#machinelearning