كشف الاحتيال باستخدام تقنيات التعلم الآلي (Fraud Detection with Machine Learning)

الوصف:

في هذا المشروع قمت بتطوير نموذج للتعلم الآلي لاكتشاف العمليات الاحتيالية في البيانات المالية. الهدف كان التمييز بين العمليات السليمة والعمليات المشبوهة بدقة عالية.

خطوات العمل:

استكشاف البيانات (EDA) وتحليلها لفهم الأنماط والتوزيعات.

تنظيف البيانات ومعالجتها (معالجة القيم الناقصة، التكرارات، والتوزيع غير المتوازن).

استخدام تقنيات معالجة مثل Oversampling / Undersampling للتعامل مع مشكلة Class Imbalance.

تدريب عدة نماذج Machine Learning (مثل Logistic Regression, Random Forest, XGBoost) ومقارنة أدائها.

تحسين النموذج (Hyperparameter Tuning) للحصول على أفضل دقة و Recall.

تقييم النموذج باستخدام مقاييس مثل: Accuracy, Precision, Recall, F1-Score, ROC-AUC.

النتائج:

الوصول إلى نموذج يحقق دقة عالية في اكتشاف الاحتيال.

تقليل معدل الـ False Negatives (حالات الاحتيال غير المكتشفة).

تقديم تقرير بالنتائج والرسوم البيانية لتوضيح أداء النموذج.

الأدوات والتقنيات المستخدمة:

Python (Pandas, NumPy, Scikit-learn, Matplotlib, Seaborn).

Jupyter Notebook.