Construiré un sistema de detección de fraude y anomalías

El fraude cuesta a las empresas miles de millones cada año. Construyo sistemas de detección de fraude y anomalías con machine learning que alertan sobre actividades sospechosas en tiempo real antes de que se conviertan en una pérdida.

Me especializo en problemas de clasificación desequilibrada (el fraude es raro por naturaleza), usando XGBoost, Random Forest y bosques de aislamiento con sobremuestreo SMOTE para crear modelos que no pasen por alto transacciones fraudulentas. El resultado es un sistema en el que tu equipo puede confiar y actuar.

Lo que obtienes:

• Análisis exploratorio de datos en tus datos de transacciones
• Modelo entrenado de detección de fraude o anomalías
• Optimización del umbral para tu equilibrio entre precisión y recall
• Panel interactivo para monitorear transacciones marcadas
• Informe de evaluación del modelo (F1, recall, precisión, AUC)
• Código Python limpio y documentado

Para quién es esto: empresas fintech, plataformas de comercio electrónico, procesadores de pagos y cualquier negocio que maneje datos de transacciones y necesite una forma más inteligente de detectar actores malintencionados.