{"id":30960,"date":"2024-12-18T11:04:47","date_gmt":"2024-12-18T14:04:47","guid":{"rendered":"https:\/\/building.nubank.com\/?p=30960"},"modified":"2024-12-19T19:05:26","modified_gmt":"2024-12-19T22:05:26","slug":"el-potencial-de-la-modelizacion-secuencial-en-la-prevencion-de-fraudes-perspectivas-de-los-expertos-de-nu","status":"publish","type":"post","link":"https:\/\/building.nubank.com\/es\/el-potencial-de-la-modelizacion-secuencial-en-la-prevencion-de-fraudes-perspectivas-de-los-expertos-de-nu\/","title":{"rendered":"El potencial de la modelizaci\u00f3n secuencial en la prevenci\u00f3n de fraudes: Perspectivas de los expertos de Nu"},"content":{"rendered":"\n

Contribuciones: <\/em><\/strong>Cinthia Tanaka, Edesio Alcoba\u00e7a, Felipe Almeida, Caroline Custodio, Pedro Schoen, Ot\u00e1vio Vasques<\/em><\/strong><\/p>\n\n\n\n

La prevenci\u00f3n de fraudes sigue siendo uno de los desaf\u00edos m\u00e1s urgentes para las instituciones financieras, ya que los estafadores evolucionan constantemente sus t\u00e1cticas. En Nu, aprovechamos la tecnolog\u00eda y la ciencia de datos para mantenernos un paso adelante.<\/p>\n\n\n\n

En este art\u00edculo, conocer\u00e1s un poco m\u00e1s sobre la modelizaci\u00f3n secuencial: una t\u00e9cnica avanzada de aprendizaje autom\u00e1tico que ha transformado la manera en que detectamos y prevenimos el fraude.<\/p>\n\n\n\n

Nuestro equipo de expertos, Carol, Pedro y Ot\u00e1vio, del equipo de Ciencia de Datos de Fraude (DS) de Nu, comparten sus experiencias sobre la construcci\u00f3n escalable de modelos secuenciales. Aprende c\u00f3mo estos modelos nos han ayudado a comprender mejor los patrones de fraude y mejorar la protecci\u00f3n al cliente, bas\u00e1ndonos en las respuestas que nuestros expertos dieron a las preguntas preparadas por el equipo editorial de Nu.<\/p>\n\n\n\n

P: \u00bfQu\u00e9 son los modelos secuenciales? \u00bfEn qu\u00e9 se diferencian de los enfoques tradicionales de aprendizaje autom\u00e1tico?<\/h2>\n\n\n\n

Pedro<\/strong>: La principal diferencia entre los modelos secuenciales y los modelos tradicionales de aprendizaje autom\u00e1tico radica en c\u00f3mo incorporamos las caracter\u00edsticas. En lugar de crear caracter\u00edsticas (por ejemplo, agregando un valor determinado dentro de una ventana temporal espec\u00edfica, como 24 horas), alimentamos los eventos (por ejemplo, primero una compra con tarjeta de cr\u00e9dito, luego un pr\u00e9stamo) al modelo. El tiempo entre los eventos y el orden en que ocurren son se\u00f1ales cr\u00edticas para identificar fraudes y robos, lo que hace que los modelos secuenciales sean especialmente efectivos para estos casos.<\/p>\n\n\n\n

P: \u00bfPor qu\u00e9 empezaron a invertir en modelos secuenciales?<\/h2>\n\n\n\n

Carol<\/strong>: Los modelos secuenciales ofrecen muchas ventajas, especialmente en lo que respecta a la escalabilidad y adaptabilidad. Para los modelos secuenciales, tenemos un desaf\u00edo diferente para construir las caracter\u00edsticas en tiempo real. No tenemos un volumen enorme de caracter\u00edsticas que crear, es relativamente f\u00e1cil realizar la ingenier\u00eda de caracter\u00edsticas. El problema es recibir un array ordenado de eventos para poder calcular las caracter\u00edsticas de cada evento. Sin embargo, una vez que tienes la estructura lista, es f\u00e1cil expandirla porque tienes claves predeterminadas que recibes y esto no cambia cuando agregas m\u00e1s eventos o datos al modelo; no es necesario cambiar la ingenier\u00eda de caracter\u00edsticas, lo que lo hace escalable y m\u00e1s f\u00e1cil de adaptar a diferentes geograf\u00edas.<\/p>\n\n\n\n

Pedro<\/strong>: A\u00f1adiendo a lo que mencion\u00f3 Carol, el verdadero beneficio de los modelos secuenciales es que nos permiten descubrir relaciones entre eventos que podr\u00edamos pasar por alto con los modelos tradicionales. Por ejemplo, saber qu\u00e9 ocurri\u00f3 primero y qu\u00e9 ocurri\u00f3 al final, o cu\u00e1nto tiempo pas\u00f3 entre esos eventos, nos ayuda a identificar patrones de fraude que de otro modo podr\u00edan pasar desapercibidos.<\/p>\n\n\n\n

P: \u00bfC\u00f3mo implementaron los modelos secuenciales?<\/h2>\n\n\n\n

Pedro<\/strong>: Utilizamos redes neuronales para implementarlos, en una estructura que procesa eventos con capas que tambi\u00e9n reciben entradas adicionales relacionadas con caracter\u00edsticas tradicionales (tabulares). En cuanto a las caracter\u00edsticas, podemos crear cualquier n\u00famero de caracter\u00edsticas por evento, de tal manera que cada evento tiene n caracter\u00edsticas predefinidas. Cada evento tiene el mismo conjunto de caracter\u00edsticas y, si necesitamos algo nuevo, tenemos que incluirlo en un mapa. Tambi\u00e9n podemos trabajar en una estructura que incorpore la informaci\u00f3n tradicional junto con las caracter\u00edsticas secuenciales. Para dise\u00f1ar el conjunto de datos de entrenamiento, capturamos eventos para una ventana temporal espec\u00edfica limitando el n\u00famero de eventos, para optimizar el rendimiento.<\/p>\n\n\n\n

Carol<\/strong>: En producci\u00f3n, tuvimos que obtener los datos en un formato con el que no est\u00e1bamos acostumbrados. En general, para los modelos tradicionales, usamos  diferentes microservicios, pero ninguna de las fuentes de datos nos daba toda la informaci\u00f3n que necesit\u00e1bamos para nuestro modelo secuencial, as\u00ed que no pod\u00edamos obtener los datos desde un solo lugar en este caso. Nuestra soluci\u00f3n fue construir una aplicaci\u00f3n de streaming utilizando Apache Flink para obtener todos los eventos de un cliente dado dentro de una ventana temporal.<\/p>\n\n\n\n

Ot\u00e1vio<\/strong>: Sin la aplicaci\u00f3n de streaming, tendr\u00edamos que obtener estos eventos individualmente, haciendo llamadas a varios servicios diferentes. Nuestra aplicaci\u00f3n escucha un tema de Kafka que tiene todo el Change Data Capture (CDC)<\/a> relacionado con los eventos que nos interesan. La parte dif\u00edcil fue que tuvimos que ponernos en contacto con los equipos que tienen la propiedad de los datos para que los integraran en la plataforma y as\u00ed poder consumir los eventos en este tema. La aplicaci\u00f3n de streaming es responsable de hacer los joins necesarios para que podamos construir la consulta SQL utilizando Apache Pinot.<\/p>\n\n\n\n

P: \u00bfCu\u00e1les fueron los desaf\u00edos durante la implementaci\u00f3n?<\/h2>\n\n\n\n

Pedro<\/strong>: Uno de los primeros desaf\u00edos que enfrentamos fue lidiar con las fugas de memoria despu\u00e9s de desplegar el modelo. Afortunadamente, pudimos depurar y resolver el problema, pero nos llev\u00f3 algo de tiempo.<\/p>\n\n\n\n

Tambi\u00e9n fue dif\u00edcil validar si las predicciones en l\u00ednea eran correctas: si una caracter\u00edstica particular en el evento estaba equivocada o si el orden no era correcto, el array no coincidir\u00eda con la entrada por lotes, por lo que tuvimos que validar cada caracter\u00edstica dentro de cada evento. En cuanto a la interpretabilidad, utilizamos SHapley Additive exPlanations (Shap)<\/a>, pero tuvimos que adaptarlas para trabajar con los datos secuenciales. Para cada evento, tenemos un valor Shap, pero podemos sumarlos para leerlos como el valor Shap para las caracter\u00edsticas habituales.<\/p>\n\n\n\n

Carol, Ot\u00e1vio<\/strong>: El principal desaf\u00edo del proyecto fue construir la aplicaci\u00f3n de streaming que necesit\u00e1bamos para consumir de manera eficiente los datos en tiempo real, ya que fue una de las primeras que construimos en Nu. Procesar grandes cantidades de datos de eventos, garantizar la compatibilidad entre los formatos de validaci\u00f3n por batches y en tiempo real, y lidiar con tiempos de respuesta irregulares fueron tambi\u00e9n obst\u00e1culos significativos que enfrentamos al implementarlo.<\/p>\n\n\n\n

Cuando pensamos en nuevas aplicaciones, algo que tiende a preocupar a los interesados es el costo detr\u00e1s de ellas, pero no hemos visto muchos cambios en eso en comparaci\u00f3n con los modelos tradicionales.<\/p>\n\n\n\n

P: \u00bfC\u00f3mo impactaron los modelos secuenciales en la prevenci\u00f3n de fraudes?<\/h2>\n\n\n\n

Pedro<\/strong>: Aunque parece que la estructura del modelo secuencial es m\u00e1s compleja, es m\u00e1s sencilla del lado de los datos: miles de millones de filas pueden procesarse en pocas horas. Para la primera prueba de concepto que hicimos, los resultados fueron peores que nuestra l\u00ednea base, pero como la estructura era ligera y f\u00e1cil de usar, comenzamos a utilizarla para otros casos de uso, donde obtuvimos un mejor rendimiento que la referencia.<\/p>\n\n\n\n

P: \u00bfDir\u00edan que el siguiente paso es hacer que los modelos secuenciales sean globales?<\/h2>\n\n\n\n

Pedro<\/strong>: Hemos visto que el comportamiento de los estafadores es similar en diferentes pa\u00edses y no hay limitaciones en el lado de la arquitectura del modelo.<\/p>\n\n\n\n

Carol<\/strong>: En el lado del consumo de datos, hay una necesidad de adaptarse a los requisitos legales (privacidad de datos \/ intercambio de datos) y a las fuentes de datos de cada pa\u00eds. Puede ocurrir que tengamos que integrar nuevas fuentes de datos o adaptar ciertos eventos localmente. Por ejemplo, Pix (m\u00e9todo de transferencia instant\u00e1nea) solo existe en Brasil.<\/p>\n\n\n\n

Ot\u00e1vio<\/strong>: Puede haber dominios en los que esta estandarizaci\u00f3n de datos ocurra casi de manera autom\u00e1tica y esos son los dominios en los que ya hemos comenzado a trabajar en una versi\u00f3n global de un modelo secuencial. Para otros dominios, es posible que necesitemos abstraer ciertos eventos para asegurarnos de tener una estructura agn\u00f3stica al pa\u00eds.<\/p>\n\n\n\n

P: Finalmente, \u00bfqu\u00e9 lecciones aprendieron y qu\u00e9 consejos compartir\u00edan con otros equipos?<\/h2>\n\n\n\n

Carol, Ot\u00e1vio, Pedro<\/strong>: Algunas lecciones clave destacan. Primero, los modelos secuenciales son mucho m\u00e1s f\u00e1ciles de reutilizar para diferentes casos de uso en comparaci\u00f3n con los modelos tradicionales. Aunque el modelo se beneficia de las capacidades de las GPU, ten en cuenta que cuanto m\u00e1s datos tienes, mayores son las demandas de recursos.<\/p>\n\n\n\n

Otra lecci\u00f3n importante fue la aplicaci\u00f3n de streaming: construir una desde cero fue una jugada arriesgada, pero vali\u00f3 la pena. La lecci\u00f3n clave es que, cuando intentas algo nuevo, es importante planificar con antelaci\u00f3n y mitigar riesgos. No comenzamos obteniendo todos los eventos utilizando la aplicaci\u00f3n de streaming. En su lugar, evaluamos si era factible para cada fuente de datos y trabajamos estrechamente con otros equipos para garantizar una integraci\u00f3n fluida.<\/p>\n\n\n\n

Finalmente, para agilizar el entrenamiento de los modelos secuenciales, construimos un flujo de trabajo personalizado utilizando una herramienta interna (Common Python Workflows<\/a>) con el apoyo de nuestro equipo de infraestructura. Nuestro consejo a otros equipos interesados en explorar modelos secuenciales es comenzar con un caso de uso claro y estar preparados para un desarrollo iterativo.<\/p>\n\n\n\n

Conclusi\u00f3n<\/h2>\n\n\n\n

La implementaci\u00f3n de modelos secuenciales en Nu ha mejorado significativamente nuestra capacidad para prevenir fraudes y proteger a nuestros clientes. Al usar redes neuronales avanzadas para procesar datos basados en eventos, hemos construido modelos escalables y adaptables que pueden responder a los patrones de fraude en r\u00e1pida evoluci\u00f3n. Las lecciones aprendidas a lo largo de este proceso destacan el poder de la innovaci\u00f3n y la adaptabilidad en la lucha contra el fraude.<\/p>\n\n\n\n

En Nu, estamos comprometidos en seguir llevando los l\u00edmites de la Ciencia de Datos y el Aprendizaje Autom\u00e1tico para salvaguardar a nuestros clientes. Est\u00e9n atentos para m\u00e1s perspectivas de la serie Purple MinDS, donde seguimos explorando los \u00faltimos avances en la prevenci\u00f3n de fraudes y m\u00e1s all\u00e1.<\/p>\n","protected":false},"excerpt":{"rendered":"

Purple MinDS es una serie de blogs que habla sobre los desaf\u00edos que enfrentan los cient\u00edficos de datos e ingenieros de aprendizaje autom\u00e1tico en su d\u00eda a d\u00eda en Nu<\/p>\n","protected":false},"author":178110103,"featured_media":30940,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"_jetpack_newsletter_access":"","_jetpack_dont_email_post_to_subs":false,"_jetpack_newsletter_tier_id":0,"_jetpack_memberships_contains_paywalled_content":false,"_wpcom_ai_launchpad_first_post":false,"_jetpack_feature_clip_id":0,"_jetpack_memberships_contains_paid_content":false,"footnotes":"","jetpack_post_was_ever_published":false},"categories":[2519,2509,2508],"tags":[3272,3274,2510,3278,3182,3269,3277,3267,3279,3276,2544,3273,2543,3268,3281,3271,3270,3266,3275,3280],"class_list":["post-30960","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-building-stories-es","category-data-analytics-es","category-data-science-machine-learning-es","tag-apache-flink-es","tag-apache-pinot-es","tag-ciencia-de-los-datos","tag-customer-protection-es","tag-data-privacy-es","tag-event-based-data-es","tag-financial-security-es","tag-fraud-prevention-es","tag-global-fraud-detection-es","tag-innovation-in-finance-es","tag-inteligencia-artificial-es","tag-kafka-es","tag-machine-learning-es","tag-neural-networks-es","tag-purple-minds-series-es","tag-real-time-data-processing-es","tag-scalable-models-es","tag-sequential-modeling-es","tag-shap-shapley-additive-explanations-es","tag-tech-at-nubank-es"],"acf":[],"yoast_head":"\nEl potencial de la modelizaci\u00f3n secuencial en la prevenci\u00f3n de fraudes: Perspectivas de los expertos de Nu - Building Nubank<\/title>\n<meta name=\"description\" content=\"Purple MinDS es una serie de blogs que habla sobre los desaf\u00edos que enfrentan los cient\u00edficos de datos e ingenieros de aprendizaje autom\u00e1tico en su d\u00eda a d\u00eda en Nu\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/building.nubank.com\/es\/el-potencial-de-la-modelizacion-secuencial-en-la-prevencion-de-fraudes-perspectivas-de-los-expertos-de-nu\/\" \/>\n<meta property=\"og:locale\" content=\"es_ES\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"El potencial de la modelizaci\u00f3n secuencial en la prevenci\u00f3n de fraudes: Perspectivas de los expertos de Nu - Building Nubank\" \/>\n<meta property=\"og:description\" content=\"Purple MinDS es una serie de blogs que habla sobre los desaf\u00edos que enfrentan los cient\u00edficos de datos e ingenieros de aprendizaje autom\u00e1tico en su d\u00eda a d\u00eda en Nu\" \/>\n<meta property=\"og:url\" content=\"https:\/\/building.nubank.com\/es\/el-potencial-de-la-modelizacion-secuencial-en-la-prevencion-de-fraudes-perspectivas-de-los-expertos-de-nu\/\" \/>\n<meta property=\"og:site_name\" content=\"Building Nubank\" \/>\n<meta property=\"article:published_time\" content=\"2024-12-18T14:04:47+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2024-12-19T22:05:26+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/i0.wp.com\/building.nubank.com\/wp-content\/uploads\/2024\/12\/Screenshot-2024-12-18-at-07.47.49.png?fit=1195%2C788&ssl=1\" \/>\n\t<meta property=\"og:image:width\" content=\"1195\" \/>\n\t<meta property=\"og:image:height\" content=\"788\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/png\" \/>\n<meta name=\"author\" content=\"Nubank Editorial\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Escrito por\" \/>\n\t<meta name=\"twitter:data1\" content=\"Nubank Editorial\" \/>\n\t<meta name=\"twitter:label2\" content=\"Tiempo de lectura\" \/>\n\t<meta name=\"twitter:data2\" content=\"7 minutos\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\\\/\\\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\\\/\\\/building.nubank.com\\\/es\\\/el-potencial-de-la-modelizacion-secuencial-en-la-prevencion-de-fraudes-perspectivas-de-los-expertos-de-nu\\\/#article\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/building.nubank.com\\\/es\\\/el-potencial-de-la-modelizacion-secuencial-en-la-prevencion-de-fraudes-perspectivas-de-los-expertos-de-nu\\\/\"},\"author\":{\"name\":\"Nubank Editorial\",\"@id\":\"https:\\\/\\\/building.nubank.com\\\/es\\\/#\\\/schema\\\/person\\\/462f4f5a8d4ec3ccbc3d661dde00f0a4\"},\"headline\":\"El potencial de la modelizaci\u00f3n secuencial en la prevenci\u00f3n de fraudes: Perspectivas de los expertos de Nu\",\"datePublished\":\"2024-12-18T14:04:47+00:00\",\"dateModified\":\"2024-12-19T22:05:26+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\\\/\\\/building.nubank.com\\\/es\\\/el-potencial-de-la-modelizacion-secuencial-en-la-prevencion-de-fraudes-perspectivas-de-los-expertos-de-nu\\\/\"},\"wordCount\":1671,\"commentCount\":0,\"image\":{\"@id\":\"https:\\\/\\\/building.nubank.com\\\/es\\\/el-potencial-de-la-modelizacion-secuencial-en-la-prevencion-de-fraudes-perspectivas-de-los-expertos-de-nu\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/i0.wp.com\\\/building.nubank.com\\\/wp-content\\\/uploads\\\/2024\\\/12\\\/Screenshot-2024-12-18-at-07.47.49.png?fit=1195%2C788&ssl=1\",\"keywords\":[\"Apache Flink\",\"Apache Pinot\",\"ciencia de los datos\",\"Customer Protection\",\"data privacy\",\"Event-Based Data\",\"Financial Security\",\"Fraud Prevention\",\"Global Fraud Detection\",\"Innovation in Finance\",\"inteligencia artificial\",\"Kafka\",\"machine learning\",\"Neural Networks\",\"Purple MinDS Series\",\"Real-Time Data Processing\",\"Scalable Models\",\"Sequential Modeling\",\"SHAP (Shapley Additive Explanations)\",\"Tech at Nubank\"],\"articleSection\":[\"Building Stories\",\"Data & Analytics\",\"Data Science & Machine Learning\"],\"inLanguage\":\"es\",\"potentialAction\":[{\"@type\":\"CommentAction\",\"name\":\"Comment\",\"target\":[\"https:\\\/\\\/building.nubank.com\\\/es\\\/el-potencial-de-la-modelizacion-secuencial-en-la-prevencion-de-fraudes-perspectivas-de-los-expertos-de-nu\\\/#respond\"]}]},{\"@type\":\"WebPage\",\"@id\":\"https:\\\/\\\/building.nubank.com\\\/es\\\/el-potencial-de-la-modelizacion-secuencial-en-la-prevencion-de-fraudes-perspectivas-de-los-expertos-de-nu\\\/\",\"url\":\"https:\\\/\\\/building.nubank.com\\\/es\\\/el-potencial-de-la-modelizacion-secuencial-en-la-prevencion-de-fraudes-perspectivas-de-los-expertos-de-nu\\\/\",\"name\":\"El potencial de la modelizaci\u00f3n secuencial en la prevenci\u00f3n de fraudes: Perspectivas de los expertos de Nu - Building Nubank\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/building.nubank.com\\\/es\\\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\\\/\\\/building.nubank.com\\\/es\\\/el-potencial-de-la-modelizacion-secuencial-en-la-prevencion-de-fraudes-perspectivas-de-los-expertos-de-nu\\\/#primaryimage\"},\"image\":{\"@id\":\"https:\\\/\\\/building.nubank.com\\\/es\\\/el-potencial-de-la-modelizacion-secuencial-en-la-prevencion-de-fraudes-perspectivas-de-los-expertos-de-nu\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/i0.wp.com\\\/building.nubank.com\\\/wp-content\\\/uploads\\\/2024\\\/12\\\/Screenshot-2024-12-18-at-07.47.49.png?fit=1195%2C788&ssl=1\",\"datePublished\":\"2024-12-18T14:04:47+00:00\",\"dateModified\":\"2024-12-19T22:05:26+00:00\",\"author\":{\"@id\":\"https:\\\/\\\/building.nubank.com\\\/es\\\/#\\\/schema\\\/person\\\/462f4f5a8d4ec3ccbc3d661dde00f0a4\"},\"description\":\"Purple MinDS es una serie de blogs que habla sobre los desaf\u00edos que enfrentan los cient\u00edficos de datos e ingenieros de aprendizaje autom\u00e1tico en su d\u00eda a d\u00eda en Nu\",\"breadcrumb\":{\"@id\":\"https:\\\/\\\/building.nubank.com\\\/es\\\/el-potencial-de-la-modelizacion-secuencial-en-la-prevencion-de-fraudes-perspectivas-de-los-expertos-de-nu\\\/#breadcrumb\"},\"inLanguage\":\"es\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\\\/\\\/building.nubank.com\\\/es\\\/el-potencial-de-la-modelizacion-secuencial-en-la-prevencion-de-fraudes-perspectivas-de-los-expertos-de-nu\\\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"es\",\"@id\":\"https:\\\/\\\/building.nubank.com\\\/es\\\/el-potencial-de-la-modelizacion-secuencial-en-la-prevencion-de-fraudes-perspectivas-de-los-expertos-de-nu\\\/#primaryimage\",\"url\":\"https:\\\/\\\/i0.wp.com\\\/building.nubank.com\\\/wp-content\\\/uploads\\\/2024\\\/12\\\/Screenshot-2024-12-18-at-07.47.49.png?fit=1195%2C788&ssl=1\",\"contentUrl\":\"https:\\\/\\\/i0.wp.com\\\/building.nubank.com\\\/wp-content\\\/uploads\\\/2024\\\/12\\\/Screenshot-2024-12-18-at-07.47.49.png?fit=1195%2C788&ssl=1\",\"width\":1195,\"height\":788,\"caption\":\"Nubanker working at our office\"},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\\\/\\\/building.nubank.com\\\/es\\\/el-potencial-de-la-modelizacion-secuencial-en-la-prevencion-de-fraudes-perspectivas-de-los-expertos-de-nu\\\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\\\/\\\/building.nubank.com\\\/es\\\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"El potencial de la modelizaci\u00f3n secuencial en la prevenci\u00f3n de fraudes: Perspectivas de los expertos de Nu\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\\\/\\\/building.nubank.com\\\/es\\\/#website\",\"url\":\"https:\\\/\\\/building.nubank.com\\\/es\\\/\",\"name\":\"Building Nubank\",\"description\":\"We make the extraordinary happen\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\\\/\\\/building.nubank.com\\\/es\\\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"es\"},{\"@type\":\"Person\",\"@id\":\"https:\\\/\\\/building.nubank.com\\\/es\\\/#\\\/schema\\\/person\\\/462f4f5a8d4ec3ccbc3d661dde00f0a4\",\"name\":\"Nubank Editorial\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"es\",\"@id\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/8c056170dc75ffd365b306a0ac7bea4e51d1cdab52a0c84e6ba0a42f7e2f4633?s=96&d=identicon&r=g\",\"url\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/8c056170dc75ffd365b306a0ac7bea4e51d1cdab52a0c84e6ba0a42f7e2f4633?s=96&d=identicon&r=g\",\"contentUrl\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/8c056170dc75ffd365b306a0ac7bea4e51d1cdab52a0c84e6ba0a42f7e2f4633?s=96&d=identicon&r=g\",\"caption\":\"Nubank Editorial\"},\"url\":\"https:\\\/\\\/building.nubank.com\\\/es\\\/author\\\/editorial\\\/\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"El potencial de la modelizaci\u00f3n secuencial en la prevenci\u00f3n de fraudes: Perspectivas de los expertos de Nu - Building Nubank","description":"Purple MinDS es una serie de blogs que habla sobre los desaf\u00edos que enfrentan los cient\u00edficos de datos e ingenieros de aprendizaje autom\u00e1tico en su d\u00eda a d\u00eda en Nu","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/building.nubank.com\/es\/el-potencial-de-la-modelizacion-secuencial-en-la-prevencion-de-fraudes-perspectivas-de-los-expertos-de-nu\/","og_locale":"es_ES","og_type":"article","og_title":"El potencial de la modelizaci\u00f3n secuencial en la prevenci\u00f3n de fraudes: Perspectivas de los expertos de Nu - Building Nubank","og_description":"Purple MinDS es una serie de blogs que habla sobre los desaf\u00edos que enfrentan los cient\u00edficos de datos e ingenieros de aprendizaje autom\u00e1tico en su d\u00eda a d\u00eda en Nu","og_url":"https:\/\/building.nubank.com\/es\/el-potencial-de-la-modelizacion-secuencial-en-la-prevencion-de-fraudes-perspectivas-de-los-expertos-de-nu\/","og_site_name":"Building Nubank","article_published_time":"2024-12-18T14:04:47+00:00","article_modified_time":"2024-12-19T22:05:26+00:00","og_image":[{"width":1195,"height":788,"url":"https:\/\/i0.wp.com\/building.nubank.com\/wp-content\/uploads\/2024\/12\/Screenshot-2024-12-18-at-07.47.49.png?fit=1195%2C788&ssl=1","type":"image\/png"}],"author":"Nubank Editorial","twitter_card":"summary_large_image","twitter_misc":{"Escrito por":"Nubank Editorial","Tiempo de lectura":"7 minutos"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/building.nubank.com\/es\/el-potencial-de-la-modelizacion-secuencial-en-la-prevencion-de-fraudes-perspectivas-de-los-expertos-de-nu\/#article","isPartOf":{"@id":"https:\/\/building.nubank.com\/es\/el-potencial-de-la-modelizacion-secuencial-en-la-prevencion-de-fraudes-perspectivas-de-los-expertos-de-nu\/"},"author":{"name":"Nubank Editorial","@id":"https:\/\/building.nubank.com\/es\/#\/schema\/person\/462f4f5a8d4ec3ccbc3d661dde00f0a4"},"headline":"El potencial de la modelizaci\u00f3n secuencial en la prevenci\u00f3n de fraudes: Perspectivas de los expertos de Nu","datePublished":"2024-12-18T14:04:47+00:00","dateModified":"2024-12-19T22:05:26+00:00","mainEntityOfPage":{"@id":"https:\/\/building.nubank.com\/es\/el-potencial-de-la-modelizacion-secuencial-en-la-prevencion-de-fraudes-perspectivas-de-los-expertos-de-nu\/"},"wordCount":1671,"commentCount":0,"image":{"@id":"https:\/\/building.nubank.com\/es\/el-potencial-de-la-modelizacion-secuencial-en-la-prevencion-de-fraudes-perspectivas-de-los-expertos-de-nu\/#primaryimage"},"thumbnailUrl":"https:\/\/i0.wp.com\/building.nubank.com\/wp-content\/uploads\/2024\/12\/Screenshot-2024-12-18-at-07.47.49.png?fit=1195%2C788&ssl=1","keywords":["Apache Flink","Apache Pinot","ciencia de los datos","Customer Protection","data privacy","Event-Based Data","Financial Security","Fraud Prevention","Global Fraud Detection","Innovation in Finance","inteligencia artificial","Kafka","machine learning","Neural Networks","Purple MinDS Series","Real-Time Data Processing","Scalable Models","Sequential Modeling","SHAP (Shapley Additive Explanations)","Tech at Nubank"],"articleSection":["Building Stories","Data & Analytics","Data Science & Machine Learning"],"inLanguage":"es","potentialAction":[{"@type":"CommentAction","name":"Comment","target":["https:\/\/building.nubank.com\/es\/el-potencial-de-la-modelizacion-secuencial-en-la-prevencion-de-fraudes-perspectivas-de-los-expertos-de-nu\/#respond"]}]},{"@type":"WebPage","@id":"https:\/\/building.nubank.com\/es\/el-potencial-de-la-modelizacion-secuencial-en-la-prevencion-de-fraudes-perspectivas-de-los-expertos-de-nu\/","url":"https:\/\/building.nubank.com\/es\/el-potencial-de-la-modelizacion-secuencial-en-la-prevencion-de-fraudes-perspectivas-de-los-expertos-de-nu\/","name":"El potencial de la modelizaci\u00f3n secuencial en la prevenci\u00f3n de fraudes: Perspectivas de los expertos de Nu - Building Nubank","isPartOf":{"@id":"https:\/\/building.nubank.com\/es\/#website"},"primaryImageOfPage":{"@id":"https:\/\/building.nubank.com\/es\/el-potencial-de-la-modelizacion-secuencial-en-la-prevencion-de-fraudes-perspectivas-de-los-expertos-de-nu\/#primaryimage"},"image":{"@id":"https:\/\/building.nubank.com\/es\/el-potencial-de-la-modelizacion-secuencial-en-la-prevencion-de-fraudes-perspectivas-de-los-expertos-de-nu\/#primaryimage"},"thumbnailUrl":"https:\/\/i0.wp.com\/building.nubank.com\/wp-content\/uploads\/2024\/12\/Screenshot-2024-12-18-at-07.47.49.png?fit=1195%2C788&ssl=1","datePublished":"2024-12-18T14:04:47+00:00","dateModified":"2024-12-19T22:05:26+00:00","author":{"@id":"https:\/\/building.nubank.com\/es\/#\/schema\/person\/462f4f5a8d4ec3ccbc3d661dde00f0a4"},"description":"Purple MinDS es una serie de blogs que habla sobre los desaf\u00edos que enfrentan los cient\u00edficos de datos e ingenieros de aprendizaje autom\u00e1tico en su d\u00eda a d\u00eda en Nu","breadcrumb":{"@id":"https:\/\/building.nubank.com\/es\/el-potencial-de-la-modelizacion-secuencial-en-la-prevencion-de-fraudes-perspectivas-de-los-expertos-de-nu\/#breadcrumb"},"inLanguage":"es","potentialAction":[{"@type":"ReadAction","target":["https:\/\/building.nubank.com\/es\/el-potencial-de-la-modelizacion-secuencial-en-la-prevencion-de-fraudes-perspectivas-de-los-expertos-de-nu\/"]}]},{"@type":"ImageObject","inLanguage":"es","@id":"https:\/\/building.nubank.com\/es\/el-potencial-de-la-modelizacion-secuencial-en-la-prevencion-de-fraudes-perspectivas-de-los-expertos-de-nu\/#primaryimage","url":"https:\/\/i0.wp.com\/building.nubank.com\/wp-content\/uploads\/2024\/12\/Screenshot-2024-12-18-at-07.47.49.png?fit=1195%2C788&ssl=1","contentUrl":"https:\/\/i0.wp.com\/building.nubank.com\/wp-content\/uploads\/2024\/12\/Screenshot-2024-12-18-at-07.47.49.png?fit=1195%2C788&ssl=1","width":1195,"height":788,"caption":"Nubanker working at our office"},{"@type":"BreadcrumbList","@id":"https:\/\/building.nubank.com\/es\/el-potencial-de-la-modelizacion-secuencial-en-la-prevencion-de-fraudes-perspectivas-de-los-expertos-de-nu\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/building.nubank.com\/es\/"},{"@type":"ListItem","position":2,"name":"El potencial de la modelizaci\u00f3n secuencial en la prevenci\u00f3n de fraudes: Perspectivas de los expertos de Nu"}]},{"@type":"WebSite","@id":"https:\/\/building.nubank.com\/es\/#website","url":"https:\/\/building.nubank.com\/es\/","name":"Building Nubank","description":"We make the extraordinary happen","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/building.nubank.com\/es\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"es"},{"@type":"Person","@id":"https:\/\/building.nubank.com\/es\/#\/schema\/person\/462f4f5a8d4ec3ccbc3d661dde00f0a4","name":"Nubank Editorial","image":{"@type":"ImageObject","inLanguage":"es","@id":"https:\/\/secure.gravatar.com\/avatar\/8c056170dc75ffd365b306a0ac7bea4e51d1cdab52a0c84e6ba0a42f7e2f4633?s=96&d=identicon&r=g","url":"https:\/\/secure.gravatar.com\/avatar\/8c056170dc75ffd365b306a0ac7bea4e51d1cdab52a0c84e6ba0a42f7e2f4633?s=96&d=identicon&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/8c056170dc75ffd365b306a0ac7bea4e51d1cdab52a0c84e6ba0a42f7e2f4633?s=96&d=identicon&r=g","caption":"Nubank Editorial"},"url":"https:\/\/building.nubank.com\/es\/author\/editorial\/"}]}},"jetpack_shortlink":"https:\/\/wp.me\/pbKBB5-83m","jetpack_sharing_enabled":true,"jetpack_featured_media_url":"https:\/\/i0.wp.com\/building.nubank.com\/wp-content\/uploads\/2024\/12\/Screenshot-2024-12-18-at-07.47.49.png?fit=1195%2C788&ssl=1","_links":{"self":[{"href":"https:\/\/building.nubank.com\/es\/wp-json\/wp\/v2\/posts\/30960","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/building.nubank.com\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/building.nubank.com\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/building.nubank.com\/es\/wp-json\/wp\/v2\/users\/178110103"}],"replies":[{"embeddable":true,"href":"https:\/\/building.nubank.com\/es\/wp-json\/wp\/v2\/comments?post=30960"}],"version-history":[{"count":2,"href":"https:\/\/building.nubank.com\/es\/wp-json\/wp\/v2\/posts\/30960\/revisions"}],"predecessor-version":[{"id":30964,"href":"https:\/\/building.nubank.com\/es\/wp-json\/wp\/v2\/posts\/30960\/revisions\/30964"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/building.nubank.com\/es\/wp-json\/wp\/v2\/media\/30940"}],"wp:attachment":[{"href":"https:\/\/building.nubank.com\/es\/wp-json\/wp\/v2\/media?parent=30960"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/building.nubank.com\/es\/wp-json\/wp\/v2\/categories?post=30960"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/building.nubank.com\/es\/wp-json\/wp\/v2\/tags?post=30960"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}