Fraud Detection System
Détection de fraude par apprentissage automatique sur données fortement déséquilibrées.
Contexte & problématique
Détecter des transactions frauduleuses dans un jeu de données où la fraude est rare mais coûteuse. Le fort déséquilibre des classes rend les modèles naïfs inopérants.
Mon rôle
Data Scientist : exploration des données, modélisation et évaluation.
Solution & architecture
Analyse exploratoire, traitement explicite du déséquilibre de classes, entraînement et comparaison de plusieurs modèles de classification, avec une évaluation centrée sur la précision et le rappel plutôt que sur l'exactitude brute.
Résultats
Modèle de détection de fraude entraîné et évalué
Gestion explicite du déséquilibre de classes
Évaluation orientée métier (précision / rappel)
Stack technique
Un projet similaire en tête ?
Discutons de la façon dont l’IA et la data peuvent servir votre projet.
Me contacter