Rilevazione di transazioni fraudolente nell’e-commerce basata sull’apprendimento automatico

Manieri, Luigi (2023) Rilevazione di transazioni fraudolente nell’e-commerce basata sull’apprendimento automatico. [Laurea], Università di Bologna, Corso di Studio in Informatica [L-DM270]
Documenti full-text disponibili:
[img] Documento PDF (Thesis)
Disponibile con Licenza: Salvo eventuali più ampie autorizzazioni dell'autore, la tesi può essere liberamente consultata e può essere effettuato il salvataggio e la stampa di una copia per fini strettamente personali di studio, di ricerca e di insegnamento, con espresso divieto di qualunque utilizzo direttamente o indirettamente commerciale. Ogni altro diritto sul materiale è riservato

Download (827kB)

Abstract

In questa tesi esplorerò il problema degli ordini fraudolenti nell’e-commerce, gli impatti economici che hanno sulle aziende e i metodi attuali utilizzati per scovarli. Analizzerò anche i modelli di machine learning e come questi possono essere utilizzati per identificare gli ordini fraudolenti con maggiore precisione e come valutarli in questo contesto. L’obiettivo `e fornire una com- prensione più profonda del problema degli ordini fraudolenti nell’e-commerce e analizzare metodi per affrontarlo attraverso l’utilizzo di tecnologie avanzate. Per fare ciò, utilizzerò un modello di machine learning per fare delle predizioni su un dataset di transazioni open source, per capire quali sono i fattori chiave per ottenere buone prestazioni, con l’obiettivo di massimizzare i guadagni e ridurre al minimo i costi. Dopo aver analizzato diversi modelli, verranno valutate le performance del miglior modello trovato su un dataset di transazioni di un’azienda di fashion cliente dell’azienda per cui lavoro, con lo scopo di realizzare un prodotto appetibile e vendibile da proporre a questo cliente e in caso di successo anche ad altri.

Abstract
Tipologia del documento
Tesi di laurea (Laurea)
Autore della tesi
Manieri, Luigi
Relatore della tesi
Correlatore della tesi
Scuola
Corso di studio
Ordinamento Cds
DM270
Parole chiave
Fraud detection,machine learning,e-commerce,ordini fraudolenti,classificazione
Data di discussione della Tesi
15 Marzo 2023
URI

Altri metadati

Statistica sui download

Gestione del documento: Visualizza il documento

^