El tema de la detección de anomalías no es un tema nuevo, sin embargo su desarrollo en el área digital aun está lejos de terminar. El objetivo principal es poder identificar comportamientos atípicos en el comportamiento del sujeto analizado. La tarea de localizar datos anómalos puede ayudar en la seguridad contra ataques cibernéticos, detección de fraudes, forja de seguros o inclusive diagnósticos médicos. Según Market Analysis Report (2023), el 2022 se invirtió un monto de 4.3 mil millones de dólares para el desarrollo de herramientas que permitan localizar anomalías. En el presente trabajo se pretende analizar un año de transacciones de un E-commerce real de tamaño pequeño. Se pretende analizar y comparar diversos tipos de algoritmos de aprendizaje automático no supervisados con el objetivo de explorar los puntos fuertes y débiles de los métodos utilizados. De igual manera se discute como evaluar la precisión, ya que los datos no cuentan con una etiqueta que nos permita saber si son anómalos o no.
We have a question for you, you can read and answer bellow.
Question for Authors:
What are the primary objectives and challenges involved in analyzing a year's worth of transactions from a small-scale E-commerce platform to explore and compare various unsupervised machine learning algorithms for anomaly detection, especially considering the absence of labeled data indicating anomalies in this context?
REVIEWWWERS'23 participation:
We also invite you to participate in the REVIEWWWERS Workshop, which is now open, by making questions to other authors.
The steps are very easy. instructions: Step(1), Register/Login here [Register/Login] to Sciforum platform. Step(2), Go to presetations list [MOL2NET'23 Papers List], Step(3), Scroll down papers list and click on one title. Step(4), Scroll down and click on Commenting button, post your comment, and click submit. Step(5), Repeat review process for other papers. Step(6), Request certificate. See details [Reviewers Workshop] or contact us at Email: mol2net.chair@gmail.com.
Gracias por su contribución a nuestra conferencia MOL2NET-09, Conference on Molecular, Biomedical, Computational, & Network Science and Engineering, ISSN: 2624-5078, MDPI SciForum, Basel, Switzerland, 2023.
En estos momentos la conferencia está cerrada para envios y hemos comenzado la ronda de Post-publicación con preguntas/comentarios en línea a los autores mediante el evento REVIEWWWERS.PUB-09, Reviewers, Pre-Prints, & Post-Publication Workshop, Bilbao-Miami, USA, 2023.
En cuanto a su trabajo, tenemos la siguiente pregunta para el(los) autor(es):
Cuales son sus principales conclusiones en cuanto al mejor algoritmos, podéis diferenciar tipos de anomalías, en que medida son extrapolables a datos mayores las conclusiones del trabajo?
Participación de REVIEWWWERS'23:
También te invitamos a participar en el Taller REVIEWWWERS.PUB, que ya está abierto, realizando preguntas a otros autores.
Los pasos son muy fáciles. Instrucciones:
Paso (1), Regístrese/Inicie sesión aquí [Registrarse/Iniciar sesión] en la plataforma Sciforum, ó en el enlace https://login.mdpi.com/login.
Paso (2), vaya a [Lista de Trabajos MOL2NET'23] ó al enlace https://mol2net-09.sciforum.net/presentations/view.
Paso (3), desplácese hacia abajo en la lista de artículos y haga clic en un título.
Paso (4): Lea el artículo y luego desplácese hacia abajo y haga clic en el botón Comentar, publique su comentario/pregunta, siempre en un tono constructivo, y haga clic en enviar.
Paso (5): Repita el proceso de revisión para otros artículos.
Paso (6), Verifique en su correo electrónico respuestas de los autores y contra-argumente/agradesca por ello si lo cree necesario.
Paso (7), Recuerde verificar en su correo si ha tenido preguntas a su(s) propio(s) trabajo(s) y respondala(s).
Paso (8), Solicitar certificado al correo electrónico: mol2net.chair@gmail.com.
Ver detalles REVIEWWWERS.PUB-09, enlace https://mol2net-09.sciforum.net/reviewwwers-09.
