Machine Learning real-time per la prevenzione delle frodi: il caso Artemis
Lingua:
Italiano
Track "Use case"
Orario: 12:00
- 12:45
Abstract
La prevenzione delle frodi nei pagamenti è un problema complesso: i casi fraudolenti sono rari, le decisioni devono essere prese in pochi millisecondi e ogni errore ha un impatto diretto su costi e customer experience.
In questo talk presenterò Artemis, un sistema di Machine Learning in produzione per la rilevazione delle frodi su transazioni e-commerce, utilizzato su milioni di carte e oltre un milione di transazioni al giorno.
Vedremo:
- cosa vuol dire ideare, progettare e portare in produzione un sistema ML real-time con vincoli di latenza molto stringenti
- come combinare una serie di informazioni con diversi orizzonti temporali all'interno di una soluzione in tempo reale
- come si colloca un progetto di questo tipo all'interno di un processo complesso e business-critical come le autorizzazioni al pagamento
Condividerò inoltre risultati e principali lesson learned nello sviluppo di sistemi ML critici per il business.
