Metode deteksi fraud berbasis kecerdasan buatan terus berkembang seiring
meningkatnya kompleksitas pola transaksi keuangan. Pelatihan ini memperkenalkan
pendekatan modern dalam deteksi fraud menggunakan Graph Neural Networks (GNN)
dan model hybrid deep learning seperti autoencoders dan Mixture of Experts (MoE).
Peserta akan mempelajari konsep dasar GNN, penerapannya dalam pemetaan
jaringan transaksi, serta integrasi dengan model machine learning lainnya untuk
membentuk sistem pendeteksi fraud yang adaptif dan scalable. Cocok untuk tim anti-
fraud, data analyst, dan auditor teknologi.
OBJECTIVE
- Memahami konsep Graph Neural Networks
- Mengetahui cara kerja model hybrid deep learning
- Mampu membangun sistem deteksi fraud berbasis jaringan
- Mendeteksi pola anomali dalam data transaksi
- Meningkatkan akurasi prediksi fraud
- Mengoptimalkan integrasi model AI dalam sistem perbankan
- Mendukung inovasi audit dan pengawasan digital
COURSE OUTLINE
- Dasar-dasar fraud analytics dan data transaksi
- Konsep Graph Theory dan struktur graph
- Pengenalan Graph Neural Networks
- Autoencoders dan deteksi anomali
- Model hybrid dan modul Mixture of Experts (MoE)
- Arsitektur sistem fraud detection adaptif
- Studi kasus penerapan GNN dalam sektor keuangan
