Este documento presenta el avance 2 de un proyecto para detectar fraude con tarjetas de crédito usando Python. Los objetivos son implementar código en Python para detectar transacciones fraudulentas mediante aprendizaje supervisado y obtener una precisión cercana al 90%. El proyecto busca proteger a los usuarios de tarjetas y establecimientos comerciales mediante la diferenciación de transacciones lícitas e ilícitas basadas en el historial de compras y crédito del usuario. La metodología incluye el uso de herramient
0 calificaciones0% encontró este documento útil (0 votos)
11 vistas1 página
Este documento presenta el avance 2 de un proyecto para detectar fraude con tarjetas de crédito usando Python. Los objetivos son implementar código en Python para detectar transacciones fraudulentas mediante aprendizaje supervisado y obtener una precisión cercana al 90%. El proyecto busca proteger a los usuarios de tarjetas y establecimientos comerciales mediante la diferenciación de transacciones lícitas e ilícitas basadas en el historial de compras y crédito del usuario. La metodología incluye el uso de herramient
Este documento presenta el avance 2 de un proyecto para detectar fraude con tarjetas de crédito usando Python. Los objetivos son implementar código en Python para detectar transacciones fraudulentas mediante aprendizaje supervisado y obtener una precisión cercana al 90%. El proyecto busca proteger a los usuarios de tarjetas y establecimientos comerciales mediante la diferenciación de transacciones lícitas e ilícitas basadas en el historial de compras y crédito del usuario. La metodología incluye el uso de herramient
Este documento presenta el avance 2 de un proyecto para detectar fraude con tarjetas de crédito usando Python. Los objetivos son implementar código en Python para detectar transacciones fraudulentas mediante aprendizaje supervisado y obtener una precisión cercana al 90%. El proyecto busca proteger a los usuarios de tarjetas y establecimientos comerciales mediante la diferenciación de transacciones lícitas e ilícitas basadas en el historial de compras y crédito del usuario. La metodología incluye el uso de herramient
Tema: Detección de Fraude con Tarjetas de Crédito usando Phyton.
Objetivos: Implementar un código en Phyton de detección de transacciones fraudulentas en
tarjetas de crédito, mediante el uso de machine learning en aprendizaje supervisado como proyecto de Big Data.
Objetivos Específicos:
- Implementar la técnica de aprendizaje supervisado para entrenar el conjunto de datos
y obtener una precisión cercana al 90% - Realizar un código en Phyton usando objetos de Machine Learning. - Obtener un conjunto de datos para probar y de esta manera probar la eficiencia del sistema.
Alcance:
Al desarrollar este proyecto se busca implementar un código el cual mediante programación en
Phyton aprenda a diferenciar una transacción lícita de una ilícita, usando como datos las costumbres del portador de la tarjeta en cuanto a consumos y su historial crediticio, de esta manera se podrá evitar fraudes con las tarjetas de crédito y así se protegería tanto el benefactor de la tarjeta como el establecimiento en el cual se desarrollen las compras.
Metodología:
Mediante el Uso de Phyton, y sus herramientas de aprendizaje supervisado, machine learning y