सेवा के बारे में
अनुवादितमैं मशीन लर्निंग सिस्टम बनाता हूँ जो धोखाधड़ी लेनदेन और विसंगतियों को उसी समय पकड़ता है, न कि अगले दिन की रिपोर्ट में जिसे कोई नहीं खोलता। काम आपके अपने इतिहास से शुरू होता है: मैं डेटा का अध्ययन करता हूँ, ऐसी विशेषताएँ इंजीनियर करता हूँ जो वास्तव में ईमानदार व्यवहार को धोखाधड़ी से अलग करती हैं, और आपके व्यवसाय के लिए विशिष्ट पैटर्न पर मॉडल को प्रशिक्षित करता हूँ। गति जांच, डिवाइस सिग्नल और भू-स्थान, राशि वितरण, दिन के समय के लय और खातों के बीच ग्राफ कनेक्शन मॉडल इनपुट बन जाते हैं, इसलिए अंतिम स्कोर संदर्भ को ध्यान में रखता है, न कि केवल एक संदिग्ध क्षेत्र।
भुगतान में शुद्ध ब्लैक-बॉक्स धोखाधड़ी पहचान लगभग कभी भी पर्याप्त नहीं होती, इसलिए मैं एक हाइब्रिड प्रदान करता हूँ: निर्धारक नियम उन मामलों को संभालते हैं जिन्हें आपको नीति द्वारा ब्लॉक करना चाहिए, और ML परत धुंधली, लगातार बदलती धोखाधड़ी से निपटती है जिसे नियम पूर्वानुमान नहीं करते। यह सब एक कम-लेटेंसी स्कोरिंग API के माध्यम से चलता है: आप इसे अधिकृत करने के ठीक समय पर कॉल करते हैं और एक जोखिम स्कोर और यह संक्षिप्त स्पष्टीकरण प्राप्त करते हैं कि लेनदेन को क्यों चिह्नित किया गया है। इसके साथ ही मैं एक समीक्षा डैशबोर्ड तैनात करता हूँ जहाँ विश्लेषक मामले की कतार को संसाधित करते हैं, उन्हें पुष्टि या अस्वीकार करते हैं, और ये निर्णय सीधे अगले पुनः प्रशिक्षण चक्र में जाते हैं।
जो ग्राहक सबसे अधिक मूल्यवान है वह ट्यूनिंग है। एक मॉडल जो सब कुछ ब्लॉक करता है वह बेकार है, इसलिए मैं आपके साथ काम करता हूँ ताकि सटीकता और पुनः प्राप्ति का संतुलन बना सकूँ, वास्तविक धोखाधड़ी की चूक की लागत के आधार पर थ्रेशोल्ड सेट कर सकूँ, और झूठे सकारात्मक को समाप्त कर सकूँ जो चुपचाप अच्छे ग्राहकों को दूर कर देते हैं। लॉन्च के बाद मैं ड्रिफ्ट के लिए देखता हूँ, अनुसूची पर पुनः प्रशिक्षण करता हूँ और स्पष्ट दस्तावेज़ सौंपता हूँ ताकि प्रणाली लंबे समय तक अच्छी तरह से काम करती रहे।
— आपके लेनदेन के इतिहास पर विशेषता इंजीनियरिंग और लेबलिंग
— आपके जोखिम की भूख के अनुसार हाइब्रिड स्कोरिंग 'नियम + ML'
— विश्लेषकों के लिए स्कोरिंग API और समीक्षा डैशबोर्ड
भुगतान में शुद्ध ब्लैक-बॉक्स धोखाधड़ी पहचान लगभग कभी भी पर्याप्त नहीं होती, इसलिए मैं एक हाइब्रिड प्रदान करता हूँ: निर्धारक नियम उन मामलों को संभालते हैं जिन्हें आपको नीति द्वारा ब्लॉक करना चाहिए, और ML परत धुंधली, लगातार बदलती धोखाधड़ी से निपटती है जिसे नियम पूर्वानुमान नहीं करते। यह सब एक कम-लेटेंसी स्कोरिंग API के माध्यम से चलता है: आप इसे अधिकृत करने के ठीक समय पर कॉल करते हैं और एक जोखिम स्कोर और यह संक्षिप्त स्पष्टीकरण प्राप्त करते हैं कि लेनदेन को क्यों चिह्नित किया गया है। इसके साथ ही मैं एक समीक्षा डैशबोर्ड तैनात करता हूँ जहाँ विश्लेषक मामले की कतार को संसाधित करते हैं, उन्हें पुष्टि या अस्वीकार करते हैं, और ये निर्णय सीधे अगले पुनः प्रशिक्षण चक्र में जाते हैं।
जो ग्राहक सबसे अधिक मूल्यवान है वह ट्यूनिंग है। एक मॉडल जो सब कुछ ब्लॉक करता है वह बेकार है, इसलिए मैं आपके साथ काम करता हूँ ताकि सटीकता और पुनः प्राप्ति का संतुलन बना सकूँ, वास्तविक धोखाधड़ी की चूक की लागत के आधार पर थ्रेशोल्ड सेट कर सकूँ, और झूठे सकारात्मक को समाप्त कर सकूँ जो चुपचाप अच्छे ग्राहकों को दूर कर देते हैं। लॉन्च के बाद मैं ड्रिफ्ट के लिए देखता हूँ, अनुसूची पर पुनः प्रशिक्षण करता हूँ और स्पष्ट दस्तावेज़ सौंपता हूँ ताकि प्रणाली लंबे समय तक अच्छी तरह से काम करती रहे।
— आपके लेनदेन के इतिहास पर विशेषता इंजीनियरिंग और लेबलिंग
— आपके जोखिम की भूख के अनुसार हाइब्रिड स्कोरिंग 'नियम + ML'
— विश्लेषकों के लिए स्कोरिंग API और समीक्षा डैशबोर्ड
