))
How PayPal Uses Large Graph Neural Networks to Detect Bad Actors
ซีรีส์ที่ถูกเก็บถาวร ("ฟีดที่ไม่ได้ใช้งาน" status)
When?
This feed was archived on July 01, 2023 22:18 (
Why? ฟีดที่ไม่ได้ใช้งาน status. เซิร์ฟเวอร์ของเราไม่สามารถดึงฟีดพอดคาสท์ที่ใช้งานได้สักระยะหนึ่ง
What now? You might be able to find a more up-to-date version using the search function. This series will no longer be checked for updates. If you believe this to be in error, please check if the publisher's feed link below is valid and contact support to request the feed be restored or if you have any other concerns about this.
Manage episode 336527435 series 3357717
เนื้อหาจัดทำโดย SigOpt เนื้อหาพอดแคสต์ทั้งหมด รวมถึงตอน กราฟิก และคำอธิบายพอดแคสต์ได้รับการอัปโหลดและจัดเตรียมโดย SigOpt หรือพันธมิตรแพลตฟอร์มพอดแคสต์โดยตรง หากคุณเชื่อว่ามีบุคคลอื่นใช้งานที่มีลิขสิทธิ์ของคุณโดยไม่ได้รับอนุญาต คุณสามารถปฏิบัติตามขั้นตอนที่อธิบายไว้ที่นี่ https://th.player.fm/legal
How do you detect fraud when less than one percent of your network’s users are bad actors? In this episode, SigOpt’s Head of Engineering Michael McCourt speaks with Venkatesh Ramanathan, a Director of Data Science at PayPal, about his work using Graph Neural Networks to detect fraud across large financial networks.
- 0:23 - Intro
- 3:08 - AI/ML at AOL
- 4:24 - The scale of data today
- 6:11 – The tradeoffs of accuracy and interpretability
- 7:54 - What are Graph Neural Networks?
- 9:18 - Robustness of GNNs; how they work with blockchain networks
- 10:57 - The need for robust hardware for GNNs
- 12:44 - How PayPal uses SigOpt for hyperparameter search
- 15:12 - The importance of sample efficiency
- 16:51 - What's next for Data Science at PayPal
- 20:52 - Opportunities for academia to power industry insights
Learn more about SigOpt at sigopt.com and follow us on Twitter at twitter.com/sigopt Subscribe to our YouTube channel to watch Experiment Exchange interviews: https://www.youtube.com/channel/sigopt
9 ตอน
แบ่งปัน
