0 calificaciones0% encontró este documento útil (0 votos)
8 vistas2 páginas
Este documento presenta el avance 2 de un proyecto de detección de fraude con tarjetas de crédito usando Python. Los objetivos son implementar código en Python para detectar transacciones fraudulentas mediante aprendizaje supervisado, logrando una precisión cercana al 90%. El proyecto busca proteger a los titulares de tarjetas y establecimientos comerciales mediante la identificación de transacciones lícitas e ilícitas basadas en el historial de compras y crédito del titular. Se utilizarán herramientas de
Este documento presenta el avance 2 de un proyecto de detección de fraude con tarjetas de crédito usando Python. Los objetivos son implementar código en Python para detectar transacciones fraudulentas mediante aprendizaje supervisado, logrando una precisión cercana al 90%. El proyecto busca proteger a los titulares de tarjetas y establecimientos comerciales mediante la identificación de transacciones lícitas e ilícitas basadas en el historial de compras y crédito del titular. Se utilizarán herramientas de
Este documento presenta el avance 2 de un proyecto de detección de fraude con tarjetas de crédito usando Python. Los objetivos son implementar código en Python para detectar transacciones fraudulentas mediante aprendizaje supervisado, logrando una precisión cercana al 90%. El proyecto busca proteger a los titulares de tarjetas y establecimientos comerciales mediante la identificación de transacciones lícitas e ilícitas basadas en el historial de compras y crédito del titular. Se utilizarán herramientas de
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