Vou construir um modelo de machine learning para detecção de fraude em python

Algumas informações foram traduzidas automaticamente.

Paquistão

Eu falo Urdu, Inglês

Full Stack Web, DevOps e Automação IA, The Burujan

The Burujan é um estúdio de engenharia comandado por Huzaifa, um desenvolvedor full stack e engenheiro NOC com bacharelado em Ciência da Computação. A gente cria sites rápidos com Next.js, dashboards ...
Sobre este Serviço

As perdas por fraude machucam, mas alarmes falsos que bloqueiam clientes bons também. Eu crio um modelo de detecção de fraude com aprendizado de máquina em Python que pega mais fraudes e sinaliza menos clientes reais.


Sou Huzaifa, da The Burujan, engenheiro de NOC que cria projetos de ciência de dados. Meu projeto de detecção de fraude com cartão de crédito usa 590.540 transações reais, em que apenas 3,5% são fraude. Em um conjunto de teste posterior, o modelo nunca tinha visto, atingiu 0,91 ROC AUC, capturou 71% dos dólares de fraude e reduziu alarmes falsos em 47% em comparação com um modelo padrão com a mesma captura de fraude.


O que você recebe: limpeza de dados, features de comportamento como histórico de gastos e velocidade, tratamento de desequilíbrio de classes, modelos LightGBM e XGBoost ajustados, um limiar de decisão baseado no seu custo de fraude versus um alarme falso, explicações SHAP para que analistas vejam por que cada transação foi marcada, e um relatório com um notebook Jupyter. Premium adiciona uma API de scoring, plano de monitoramento e guia de retraining.


Divido os dados por tempo, não aleatoriamente, então os resultados são justos. Nenhum modelo pode prometer zero fraude, e os resultados dependem dos seus dados. Envie-me uma mensagem antes de pedir com uma descrição curta dos seus dados e eu digo se eles servem.

Especialidade:

Classificação

•

Detecção de anomalias

Linguagem de programação:

Python

•

SQL

Frameworks:

Scikit-learn

Ferramentas:

caderno Jupyter

•

Colab

Meu portfólio