Fight Fraud with Machine Learning
Fraudsters adapt daily; your defenses must evolve even faster. Stop revenue leaks before they cripple your business. Move beyond rules and guesswork toward data-driven certainty. Turn raw transaction streams into clear, actionable fraud signals. Master proven Python workflows used by top fintech ... Lue lisää
Fraudsters adapt daily; your defenses must evolve even faster. Stop revenue leaks before they cripple your business. Move beyond rules and guesswork toward data-driven certainty. Turn raw transaction streams into clear, actionable fraud signals. Master proven Python workflows used by top fintech ... Lue lisää
-
Tuotekuvaus
Fraudsters adapt daily; your defenses must evolve even faster. Stop revenue leaks before they cripple your business. Move beyond rules and guesswork toward data-driven certainty. Turn raw transaction streams into clear, actionable fraud signals. Master proven Python workflows used by top fintech security teams. Guard customers, profits, and reputation with confidence. Rule-based foundations: Build quick wins and create reliable baselines for later models. Classical algorithms: Use logistic regression and decision trees to flag card and transaction anomalies. Ensemble power: Apply random forests and gradient boosted trees for higher recall with fewer false positives. Deep learning: Deploy neural networks, vision transformers, and graph CNNs to catch modern, multi-channel attacks. Real datasets: Follow complete, annotated Python notebooks ready for adaptation to your production stack. Evaluation playbook: Measure accuracy, precision, recall, and cost impact to justify every security investment. Fight Fraud with Machine Learning by Ashish Ranjan Jha is a guide that combines academic research with battle-tested industry practice. Jha draws on a decade at Oracle, Sony, Revolut, and Tractable to deliver clear, reproducible solutions. The book progresses from simple rules to cutting-edge deep-learning approaches, each chapter adding complexity and capability. Step-by-step labs, code listings, and annotated diagrams let readers learn by doing. Case studies span credit cards, KYC, and social bots, illustrating breadth and depth. Finish the final chapter ready to deploy robust models that slash fraud losses, impress auditors, and protect customer trust. Your new skill set will translate directly into safer products and stronger career prospects. Ideal for data scientists, ML engineers, and fraud-prevention product managers comfortable with Python. -
Tuotetiedot
- Kustantaja / Valmistaja Manning Publications
- ISBN 9781633438224
- Tuotekoodi 9781633438224
- Kirjoittajat Ashish Jha
- Kieli Englanti
- Thema-luokitus Tietokoneohjelmointi / ohjelmistotekniikka; Olio-ohjelmointi (OOP); Ohjelmistotuotanto; Ohjelmistotestaus ja verifiointi; Tietokoneverkot ja tietoliikenne
- Ilmestymispäivä 07.04.2027
- Vuosi 2027
- Tuoteryhmä Ulk talous, yhteiskunta
- Tuotepääryhmä Ulkomaiset tietokirjat
- Tuotelinja Kirjat
- Sivumäärä 387
- Tuotemuoto Kovakantinen
- ALV 13,5%
Tämä tuote kuuluu tuoteryhmiin
Tuotearvostelut Suomalainen.comissa
Tutustu tuotearvostelujen käytäntöihin ja ehtoihin ennen kuin jätät arvostelun.
Suomalainen.com -verkkokaupassa on mahdollista jättää tuotearvosteluja siellä myynnissä olevista tuotteista. Tuotearvosteluja voivat jättää sekä tuotetta Suomalaisesta Kirjakaupasta ostaneet asiakkaat että muut sivuston käyttäjät. Arvostelijan nimimerkin jälkeinen teksti kertoo, onko kyseessä vahvistettu ostaja vai muu asiakas/sivuston käyttäjä.
-
Vahvistettu ostaja - Kyseinen arvostelu on jätetty käyttämällä tuotteen ostajalle lähetettyä sähköpostilinkkiä. Kyseessä on siis vahvistettu ostaja eli arvostelun jättänyt henkilö on ostanut todennetusti kyseisen tuotteen.
-
Vahvistettu suosittelija - Kyseinen arvostelu on jätetty suomalainen.com -verkkosivustolla. Arvostelijan sähköpostiosoite on vahvistettu, jotta on voitu varmistua siitä, että arvostelun on jättänyt oikea henkilö. Suomalainen.com ei kuitenkaan ole vahvistanut, että kyseinen henkilö on ostanut tuotteen.
- Ei tekstiä nimimerkin jälkeen - Kyseinen arvostelu on jätetty suomalainen.com -verkkosivustolla, mutta arvostelun jättäjän sähköpostiosoitetta ei ole vahvistettu.
Tuotearvostelussa pakollisia tietoja ovat tuotteen pistemäärä (tähdet), otsikko sekä arvosteluteksti. Jos jätät arvostelun sinulle lähetetyn sähköpostilinkin kautta, arvostelu julkaistaan käyttämällä etunimeäsi sekä sukunimen ensimmäistä kirjainta.
Jos jätät arvostelun sivustollamme, voit käyttää arvostelussa myös nimimerkkiä. Arvostelun jättämisen yhteydessä sinulta kysytään sähköpostiosoitetta, jonka avulla vahvistamme, että arvostelun on lähettänyt oikea henkilö, eikä esimerkiksi robotti. Tuotearvostelujen palveluntarjoajana toimii Yotpo. Katso Yotpon tietosuojaseloste.
Arvostelut julkaistaan tuotteen kohdalla automaattisesti ja ne tulevat esiin viiveellä. Suomalainen.com pidättää kuitenkin oikeuden poistaa kommentit, jotka sisältävät epäasiallista, herjaavaa tai halventavaa kieltä, vihapuhetta tai ovat muuten hyvän tavan vastaisia, tai joissa markkinoidaan muiden toimijoiden sivustoja tai tuotteita.
Jättämällä arvostelun annat Suomalaiselle Kirjakaupalle oikeuden käyttää kyseisiä arvosteluja omassa markkinoinnissaan (sekä painettu että digitaalinen) ilman erillistä korvausta. Arvosteluja käytetään myös analysointiin ja markkinoinnin kehittämiseen.
Tuotearvostelun jättäneiden kesken arvotaan säännöllisin väliajoin tuotepalkintoja. Tutustu arvonnan sääntöihin täällä.
Mikäli haluat poistaa jättämäsi tuotearvostelun verkkokaupastamme, pyyntö tästä tulee ohjata asiakaspalveluumme: asiakaspalvelu@suomalainen.com.
Tuotearvostelut eivät ole tarkoitettu asiakasreklamaatioiden tai tilauskyselyjen tekemiseen. Reklamaatiotapauksissa pyydämme ottamaan yhteyttä asiakaspalveluumme: asiakaspalvelu@suomalainen.com.
Jättämällä arvostelun suomalainen.com -verkkokauppaan hyväksyt yllämainitut käytännöt ja ehdot.
Lue lisää tuotearvosteluista.
