Construiré un modelo de detección de fraude con tarjeta de crédito en un dashboard de streamlit

Construiré un modelo de detección de fraude con tarjeta de crédito listo para producción con un dashboard interactivo de Streamlit.

Lo que obtendrás:

Modelo XGBoost con alta capacidad de recuperación logrando 0.92 de recall en datos altamente desbalanceados

Explicabilidad con SHAP para identificar los principales factores de fraude (V14, V17, etc.)

Pipeline completo de principio a fin que incluye preprocesamiento de datos, entrenamiento y evaluación del modelo

Dashboard limpio e interactivo de Streamlit con predicciones en vivo

Código listo para Docker con documentación adecuada y README

Recomendaciones de negocio para casos reales de prevención de fraude

Pila tecnológica: Python, XGBoost, SHAP, Pandas, Streamlit, Docker

Este servicio es ideal para empresas fintech, bancos, procesadores de pagos o cualquier persona que trabaje con datos de transacciones y necesite una solución confiable de detección de fraude.

Por qué trabajar conmigo:

Enfoque fuerte en soluciones listas para producción y bien documentadas

Experiencia en construir sistemas de ML desplegables con métricas claras

Código limpio y entrega profesional

Entregaré:

- Modelo completamente funcional + dashboard

- Código fuente con documentación

- Instrucciones claras para ejecutar el proyecto

Por favor, envíame un mensaje con tus requisitos antes de hacer un pedido. Espero trabajar contigo