Detección de fraude de datos con R: Benford, IQR, MAD e Isolation Forest
data_scienceIntermedio PRO

Detección de fraude de datos con R: Benford, IQR, MAD e Isolation Forest

rdata-sciencefraudeauditoriabenfordiqrmadisolation-forestdeteccion-anomaliasmachine-learningcomplianceestadistica

Curso práctico en R para detectar señales de fraude de datos mediante métodos estadísticos y machine learning. El alumnado aprende a construir un pipeline reproducible que prioriza operaciones sospechosas y clasifica el riesgo en distintos niveles para facilitar la revisión auditora.

Detección de fraude de datos con R

Modalidad
Online
Idioma
Español
Lecciones
17
Duración
3h 35min
Exámenes
5
Nivel
Intermedio
90

Pago único • Acceso permanente

¿Cómo puedo detectar anomalías que no se ven mirando solo el importe?

Grandes Organizaciones Nacionales

Instituciones de referencia
Confían en nosotros

Equipos y profesionales de organismos como el CSIC, el Servicio Andaluz de Salud, el Banco de España o el Departament de Salut de la Generalitat de Catalunya ya se han formado con Máxima Formación.

CSIC
CSIC
Servicio Andaluz de Salud
Servicio Andaluz de Salud
Banco de España
Banco de España
Departament de Salut de la Generalitat de Catalunya
Departament de Salut de la Generalitat de Catalunya
Certificaciones

Calidad Acreditada,
Confianza demostrada

Certificaciones, valoraciones y reconocimientos que avalan nuestra forma de trabajar y la satisfacción de nuestros alumnos.

Gestión, seguridad y sostenibilidad certificadas

Contamos con certificaciones ISO 9001, ISO 27001 e ISO 14001, que acreditan nuestro compromiso con la calidad del servicio, la seguridad de la información y una gestión ambiental responsable.

ISO 14001
ISO 14001
ISO 27001
ISO 27001
ISO 9001
ISO 9001
Valoraciones reales de alumnos

Nuestra formación cuenta con una valoración de 5,0 en Google con más de 120 reseñas, 4,9 en Emagister con más de 1.000 opiniones de alumnos y 4,8 en Dozencia con cerca de 100 valoraciones.

5 estrellas en reseñas de Google
5 estrellas en reseñas de Google
Excelente en Dozencia
Excelente en Dozencia
Excelente en Emagister
Excelente en Emagister
Reconocimientos a nuestra trayectoria formativa

Máxima Formación cuenta con el sello Cum Laude de Emagister de forma ininterrumpida desde 2018, certificado de excelencia en Dozencia y certificado de Confianza Online.

Certificación de Confianza Online
Certificación de Confianza Online
Certificado de excelencia en Dozencia
Certificado de excelencia en Dozencia
Cum Laude Emagister ininterrumpido 2018-2025
Cum Laude Emagister ininterrumpido 2018-2025
Nuestro compromiso

Tu progreso nos importa
tanto como a ti

En Máxima Formación no aprendes solo/a. Detrás de cada curso hay un equipo docente real que te acompaña: resolvemos tus dudas en menos de 24 horas, durante el curso y también cuando lo termines. Tu progreso nos importa tanto como a ti.
Equipo docente de Máxima Formación

Resuelve tus dudas

PREGUNTAS
FRECUENTES

¿Este curso me enseña a detectar fraude real o solo anomalías estadísticas?
El curso te enseña a detectar señales de alerta compatibles con fraude, errores, outliers o anomalías, pero siempre desde una interpretación responsable. Aprenderás a diferenciar una operación rara de una prueba de fraude, y a construir una lista priorizada de casos para revisión humana con evidencia, documentación y contexto.
¿Necesito ser auditor o experto en fraude para hacer el curso?
No necesariamente. El curso está pensado para auditores, perfiles de compliance, analistas de datos, estudiantes de estadística, economía, ciencias biomédicas o ciencia de datos, y profesionales que trabajan con transacciones, gastos, ensayos, métricas experimentales o registros operativos. Lo importante es tener una base mínima de R y querer aplicar análisis de datos a control, integridad o detección de anomalías.
¿Qué métodos voy a aprender para detectar operaciones sospechosas?
Aprenderás a aplicar cuatro enfoques complementarios: Ley de Benford para desviaciones en primeros dígitos, IQR para importes extremos, Z-score robusto con MAD para reducir el efecto de outliers sobre la media, e Isolation Forest para detectar anomalías multivariadas. Después combinarás todas esas señales mediante un sistema de votos que clasifica los casos como NORMAL, LOW RISK, MEDIUM RISK o HIGH RISK.
¿Por qué no basta con usar solo la Ley de Benford?
Porque Benford es útil para detectar desviaciones agregadas en la distribución de primeros dígitos, pero no identifica por sí sola fraude individual ni sirve para cualquier tipo de dato. El curso enseña cuándo tiene sentido aplicarla, cuándo no debe usarse —por ejemplo, en códigos, IDs o rangos artificialmente acotados— y por qué debe combinarse con otros métodos como IQR, MAD e Isolation Forest.
¿El curso incluye una práctica completa en RStudio?
Sí. El curso culmina con una práctica integral en RStudio donde se prepara el entorno, se carga o genera un dataset, se validan los datos, se aplican Benford, IQR, MAD e Isolation Forest, se combinan las alertas y se exportan resultados, gráficos, tablas y archivos de trazabilidad. La idea es que no solo entiendas los métodos, sino que termines con un pipeline reproducible aplicable a tus propios datos.
¿Qué podré entregar o aplicar después del curso en un contexto profesional?
Podrás generar un análisis documentado con resultados completos, tabla de Benford, casos prioritarios, niveles de riesgo, gráficos, parámetros usados y sessionInfo. Esto te permitirá presentar un informe prudente y defendible: no “estas operaciones son fraude”, sino “estos casos concentran varias señales independientes y deberían revisarse primero con factura, proveedor, autorización, fecha, categoría y reglas de negocio”.
También te puede interesar

Otros alumnos
también compraron

Análisis seguro de datos con IA: privacidad, anonimización y automatización para convertir datos en decisiones

Análisis seguro de datos con IA: privacidad, anonimización y automatización para convertir datos en decisiones

290
IA para científicos con criterio: Herramientas prácticas para trabajar mejor en ciencia con calidad, eficiencia y rigor.

IA para científicos con criterio: Herramientas prácticas para trabajar mejor en ciencia con calidad, eficiencia y rigor.

190
El Arte de Preguntar: Mastering Prompt Engineering

El Arte de Preguntar: Mastering Prompt Engineering

150
90