Je vais concevoir un système de détection de fraude et d'anomalies

La fraude coûte des milliards aux entreprises chaque année. Je crée des systèmes de détection de fraude et d'anomalies basés sur l'apprentissage automatique qui signalent en temps réel toute activité suspecte avant qu'elle ne cause une perte.

Je me spécialise dans les problèmes de classification déséquilibrée (la fraude étant rare par nature), en utilisant XGBoost, Random Forest et forêts d'isolation avec SMOTE pour équilibrer les données et construire des modèles qui ne manquent pas de transactions frauduleuses. Le résultat est un système fiable sur lequel votre équipe peut compter et agir.

Ce que vous obtenez :

• Analyse exploratoire des données de vos transactions
• Modèle entraîné de détection de fraude ou d'anomalies
• Ajustement du seuil pour équilibrer précision et rappel
• Tableau de bord interactif pour surveiller les transactions signalées
• Rapport d’évaluation du modèle (F1, rappel, précision, AUC)
• Code Python propre et documenté

Destiné à : entreprises fintech, plateformes e-commerce, processeurs de paiement et toute entreprise traitant des données de transaction nécessitant une méthode plus intelligente pour repérer les mauvais acteurs.