Detección de fraudes en transacciones de tarjetas de crédito

Integrantes:

• REY RUEDA CRISTHIAN CAMILO
• AVILA CHACON RAMIRO SANTIAGO
• SILVA BAEZ IRVIN AURELIO

Objetivo:

Desarrollar un sistema de predicción de transacciones fraudulentas eficiente y preciso, utilizando técnicas avanzadas de aprendizaje automático y análisis de datos,utilizando datos de transacciones realizadas con tarjetas de crédito en septiembre de 2013 por titulares de tarjetas europeos.

Modelos:

• Naive Gaussian Bayes
• Random Forest
• Support Vector Machine (SVM)

Dataset:

Dataset de Credit Card Fraud Detection: https://www.kaggle.com/datasets/mlg-ulb/creditcardfraud

Presentacion Proyecto en Youtube: 

En este proyecto, también utilizaremos redes neuronales con el objetivo de lograr una mejor generalización en comparación con los modelos estadísticos más simples. La capacidad de generalización implica la capacidad de hacer predicciones precisas en un amplio rango de valores. Esto es especialmente importante en nuestro contexto, ya que las causas que afectan la tasa de transacciones fraudulentas pueden variar con el tiempo. Un modelo que se generaliza de manera más efectiva será capaz de adaptarse rápidamente y de manera eficiente a estos cambios, lo que nos permitirá mantener un alto nivel de precisión en la detección de fraudes en diferentes escenarios.

 

Enlaces importantes:

• Video
• Notebook
• Repositorio