In diesem 2-stündigen geführten Projekt lernen Sie, wie Sie Generative KI zur Datengenerierung nutzen können, um Datenungleichgewichte zu beseitigen. SecureTrust Financial Services, ein Finanzinstitut, hat uns gebeten, ihm zu helfen, die Genauigkeit seines Betrugserkennungssystems zu verbessern. Das Modell ist ein binärer Klassifikator, der jedoch aufgrund von Datenungleichgewichten nicht gut funktioniert. Als Datenwissenschaftler werden wir Generative Adversarial Networks (GANs), eine Untergruppe der Generativen KI, einsetzen, um synthetische betrügerische Transaktionen zu erstellen, die echten Transaktionen sehr ähnlich sind. Dieser Ansatz zielt darauf ab, den Datensatz auszugleichen und die Genauigkeit des Betrugserkennungsmodells zu verbessern. Dieses geführte Projekt richtet sich an diejenigen, die lernen möchten, wie generative Modelle die Modellgenauigkeit durch die Erzeugung synthetischer Daten erhöhen können. Um dieses Projekt optimal nutzen zu können, sollten Sie mindestens ein Jahr Erfahrung im Umgang mit Deep Learning Frameworks wie TensorFlow und Keras in Python haben.