Die heutigen beiden Challenges sind beide etwas anspruchsvoller. Das Szenario, das wir heute üben wollen, ist aber ein ganz typisches: Sie haben eine grobe Aufgabenstellung und finden im Netz ein Tutorial, das ähnlich, aber auch kompliziert und stellenweise völlig unverständlich ist. Das ist eine ganz alltägliche Situation für einen Data Scientist. Versuchen Sie einfach, so weit wie möglich in den unten gelisteten Challenges zu kommen.
🚀 Challenge #1: Fraud Detection mit Neo4J
Fraud Detection bezieht sich auf die Maßnahmen und Techniken, die Unternehmen einsetzen, um Vermögenswerte, Identitäten, Kundendaten, Geschäftsinformationen, Konten und Transaktionen vor Betrügern zu schützen. Dies geschieht hauptsächlich durch die Analyse von Benutzeraktivitäten und Verhaltensmustern, die mit einem Baseline- oder Profil verglichen werden, das das normale Benutzerverhalten repräsentieren. Ein typisches Beispiel ist das Erkennen von Kreditkartenbetrügern in Onlineshops, bevor diese den Kauf ihres Warenkorbs abschließen können. Manchmal liegen für diese Accounts oder Kreditkarten weitere externe Zahlungsdaten vor.
Dieser Artikel im Neo4J Developer Blog zeigt, wie Sie mit Hilfe von Graph-Datenbanken und einem Machine Learning-Algorithmus zur Klassifikation Kreditkartenbetrüger identifizieren können. Der Artikel nutzt einige (komplexe, fast esoterische) Algorithmen, der Erkenntnisgewinn entsteht aber vor allem aus einer detailierten Datananalyse.
Aufgabe: Arbeiten Sie sich, so gut es Ihnen möglich ist, durch die Anleitung. Es wird vermutlich nicht ohne größere Vorbereitung möglich sein, den Code persönlich nachzubauen, deshalb sollten Sie sich auf das Lesen des Artikels beschränken. Am Ende sollten Sie in der Lage sein, folgende Fragen zu beantworten: Wie ist der Datensatz grundsätzlich aufgebaut? Welche Methoden werden angewendet? Zu welchem Ziel? Welche Hypothesen werden untersucht? Beschreiben Sie das grundsätzliche vorgehen des Artikeln, ohne komplizierte Algorithmen-Namen. Formulieren Sie eher so: “1. Es werden Gruppen von User-Accounts gefunden. 2. Diese werden sortiert nach Betrugswahrscheinlichkeit…”)
Aufgabe: Bewerten und Hinterfragen Sie die Arbeit des Data Science Kollegen. Was war Ihrer Meinung nach gut gemacht? Welcher Teil der Analyse ist ausbaufähig? Wenn das eine Abgabe im Modul Data Science wäre, welche Note würde Sie geben?
🚀 Challenge #2: Klassifikation von Bildern
PyTorch, eine leistungsstarke Bibliothek für neuronale Netzwerke, ermöglicht es, Modelle zur Bildklassifizierung zu erstellen und zu trainieren. In diesem Prozess werden Bilder anhand ihrer Merkmale in verschiedene Klassen eingeteilt. Ein typisches Vorgehen umfasst das Laden der Daten, die Definition eines neuronalen Konvolutionsnetzwerks (CNN, optional), die Festlegung einer Verlustfunktion und das Training des Modells mit Trainingsdaten. PyTorch bietet eine flexible und intuitive Umgebung, um fortschrittliche Bildklassifikationsmodelle zu entwickeln und zu optimieren.
Dieser Artikel auf Towards Data Science beschreibt, wie Sie mit Hilfe von PyTorch ein bestehendes CNN so erweitern können, dass es in der Lage ist, Ihre individuelle Art von Bildern zu klassifizieren.
Aufgabe: Arbeiten Sie sich, so gut es Ihnen möglich ist, durch die Anleitung. Es wird vermutlich nicht ohne größere Vorbereitung möglich sein, den Code persönlich nachzubauen, deshalb sollten Sie sich auf das Lesen des Artikels beschränken. Am Ende sollten Sie in der Lage sein, folgende Fragen zu beantworten: Wie ist der Datensatz grundsätzlich aufgebaut? Welche Methoden werden angewendet? Zu welchem Ziel? Welche Hypothesen werden untersucht? Beschreiben Sie das grundsätzliche vorgehen des Artikeln, ohne komplizierte Algorithmen-Namen. Formulieren Sie eher so: “1. Es wird eine Pipeline zur Verarbeitung der Daten definiert. Darin … 2. Anschließend wird das Modell verbessert, indem …”)
Aufgabe: Bewerten und Hinterfragen Sie die Arbeit des Data Science Kollegen. Was war Ihrer Meinung nach gut gemacht? Welcher Teil der Analyse ist ausbaufähig? Wenn das eine Abgabe im Modul Data Science wäre, welche Note würde Sie geben?