Construiré un modelo de detección o clasificación de fraude en python

Parte de la información se ha traducido automáticamente.

India

Hablo Malayalam, Inglés, Hindi

Limpiaré, analizaré y visualizaré tus datos usando Excel, SQL y Python

Hola, soy Azim, un desarrollador de Python ML especializado en aprendizaje automático, detección de fraude y NLP. He creado y desplegado 5 proyectos de ML en producción, incluyendo un sistema de detec...
Acerca de este Servicio

¿Estás buscando detectar fraude, predecir cancelaciones, clasificar clientes o construir cualquier modelo de ML binario o multiclase a partir de tus datos?

Soy un desarrollador de ML en Python con 5 proyectos de aprendizaje automático implementados, incluyendo un sistema de detección de fraude que logra un ROC-AUC de 0.98 usando XGBoost y explicabilidad SHAP.

Lo que entrego:

  • Modelo de ML entrenado (XGBoost, Random Forest, Regresión logística, el que mejor se adapte a tus datos)
  • Informe completo de evaluación (precisión, exactitud, recall, F1, ROC-AUC)
  • Gráficos de importancia de características SHAP para que entiendas por qué el modelo predice lo que predice
  • Código Python limpio y comentado que puedes ejecutar y modificar
  • Tablero interactivo en Streamlit para visualizar resultados (opcional)

Trabajo con:

  • Datos tabulares (CSV, Excel, exportaciones SQL)
  • Conjuntos de datos desequilibrados (SMOTE, ponderación de clases)
  • Cualquier problema de clasificación: fraude, cancelaciones, riesgo de incumplimiento, spam, diagnóstico médico

Mi portafolio incluye:

  • Sistema de detección de fraude ROC-AUC 0.98, XGBoost + SHAP
  • Motores de riesgo de incumplimiento de préstamos con más de 1.3 millones de registros
  • Analizador de riesgo de bancarrota con IA

Envíame un mensaje antes de ordenar si no estás seguro de si tu proyecto encaja, te diré la verdad.

Experiencia:

Aprendizaje de características

Clasificación

Lenguaje de programación:

Python

Colab

Marcos:

Scikit-learn

Panda

Herramientas:

Jupyter Notebook

MLflow

Colab