Artwork

Το περιεχόμενο παρέχεται από το Daniel Bashir. Όλο το περιεχόμενο podcast, συμπεριλαμβανομένων των επεισοδίων, των γραφικών και των περιγραφών podcast, μεταφορτώνεται και παρέχεται απευθείας από τον Daniel Bashir ή τον συνεργάτη της πλατφόρμας podcast. Εάν πιστεύετε ότι κάποιος χρησιμοποιεί το έργο σας που προστατεύεται από πνευματικά δικαιώματα χωρίς την άδειά σας, μπορείτε να ακολουθήσετε τη διαδικασία που περιγράφεται εδώ https://el.player.fm/legal.
Player FM - Εφαρμογή podcast
Πηγαίνετε εκτός σύνδεσης με την εφαρμογή Player FM !

Ryan Drapeau: Battling Fraud with ML at Stripe

1:06:31
 
Μοίρασέ το
 

Manage episode 371771190 series 2975159
Το περιεχόμενο παρέχεται από το Daniel Bashir. Όλο το περιεχόμενο podcast, συμπεριλαμβανομένων των επεισοδίων, των γραφικών και των περιγραφών podcast, μεταφορτώνεται και παρέχεται απευθείας από τον Daniel Bashir ή τον συνεργάτη της πλατφόρμας podcast. Εάν πιστεύετε ότι κάποιος χρησιμοποιεί το έργο σας που προστατεύεται από πνευματικά δικαιώματα χωρίς την άδειά σας, μπορείτε να ακολουθήσετε τη διαδικασία που περιγράφεται εδώ https://el.player.fm/legal.

In episode 82 of The Gradient Podcast, Daniel Bashir speaks to Ryan Drapeau.

Ryan is a Staff Software Engineer at Stripe and technical lead for Stripe’s Payment Fraud organization, which uses machine learning to help prevent billions of dollars of credit card and payments fraud for business every year.

Have suggestions for future podcast guests (or other feedback)? Let us know here or reach us at editor@thegradient.pub

Subscribe to The Gradient Podcast: Apple Podcasts | Spotify | Pocket Casts | RSSFollow The Gradient on Twitter

Outline:

* (00:00) Intro

* (02:15) Ryan’s background

* (05:28) Differences between adversarial problems (fraud, content moderation, etc.)

* (08:50) How fraud manifests for businesses

* (11:07) Types of fraud

* (15:49) Fraud as an industry

* (19:05) Information asymmetries between fraudsters and defenders

* (22:40) Fraud as an ML problem and Stripe Radar

* (25:45) Evolution of Stripe Radar

* (31:38) Architectural evolution

* (41:38) Why ResNets for Stripe Radar?

* (44:15) Future architectures for Stripe Radar and the explainability/performance tradeoff

* (48:58) War stories

* (52:55) Federated learning opportunities for Stripe Radar

* (55:50) Vectors for improvement in Stripe’s fraud detection systems

* (59:22) More ways of thinking about the fraud problem, multiclass models

* (1:03:30) Lessons Ryan has picked up from working on fraud

* (1:05:44) Outro

Links:

* How We Built It: Stripe Radar

* Stripe 2022 Update


Get full access to The Gradient at thegradientpub.substack.com/subscribe
  continue reading

147 επεισόδια

Artwork
iconΜοίρασέ το
 
Manage episode 371771190 series 2975159
Το περιεχόμενο παρέχεται από το Daniel Bashir. Όλο το περιεχόμενο podcast, συμπεριλαμβανομένων των επεισοδίων, των γραφικών και των περιγραφών podcast, μεταφορτώνεται και παρέχεται απευθείας από τον Daniel Bashir ή τον συνεργάτη της πλατφόρμας podcast. Εάν πιστεύετε ότι κάποιος χρησιμοποιεί το έργο σας που προστατεύεται από πνευματικά δικαιώματα χωρίς την άδειά σας, μπορείτε να ακολουθήσετε τη διαδικασία που περιγράφεται εδώ https://el.player.fm/legal.

In episode 82 of The Gradient Podcast, Daniel Bashir speaks to Ryan Drapeau.

Ryan is a Staff Software Engineer at Stripe and technical lead for Stripe’s Payment Fraud organization, which uses machine learning to help prevent billions of dollars of credit card and payments fraud for business every year.

Have suggestions for future podcast guests (or other feedback)? Let us know here or reach us at editor@thegradient.pub

Subscribe to The Gradient Podcast: Apple Podcasts | Spotify | Pocket Casts | RSSFollow The Gradient on Twitter

Outline:

* (00:00) Intro

* (02:15) Ryan’s background

* (05:28) Differences between adversarial problems (fraud, content moderation, etc.)

* (08:50) How fraud manifests for businesses

* (11:07) Types of fraud

* (15:49) Fraud as an industry

* (19:05) Information asymmetries between fraudsters and defenders

* (22:40) Fraud as an ML problem and Stripe Radar

* (25:45) Evolution of Stripe Radar

* (31:38) Architectural evolution

* (41:38) Why ResNets for Stripe Radar?

* (44:15) Future architectures for Stripe Radar and the explainability/performance tradeoff

* (48:58) War stories

* (52:55) Federated learning opportunities for Stripe Radar

* (55:50) Vectors for improvement in Stripe’s fraud detection systems

* (59:22) More ways of thinking about the fraud problem, multiclass models

* (1:03:30) Lessons Ryan has picked up from working on fraud

* (1:05:44) Outro

Links:

* How We Built It: Stripe Radar

* Stripe 2022 Update


Get full access to The Gradient at thegradientpub.substack.com/subscribe
  continue reading

147 επεισόδια

Όλα τα επεισόδια

×
 
Loading …

Καλώς ήλθατε στο Player FM!

Το FM Player σαρώνει τον ιστό για podcasts υψηλής ποιότητας για να απολαύσετε αυτή τη στιγμή. Είναι η καλύτερη εφαρμογή podcast και λειτουργεί σε Android, iPhone και στον ιστό. Εγγραφή για συγχρονισμό συνδρομών σε όλες τις συσκευές.

 

Οδηγός γρήγορης αναφοράς