Credit Card Fraud Detection باستخدام Machine Learning

قمت بتطوير نموذج تنبؤي لاكتشاف عمليات الاحتيال في بطاقات الائتمان باستخدام تقنيات Machine Learning، وذلك من خلال تحليل بيانات المعاملات المالية واستخراج الأنماط غير الطبيعية.

هدف المشروع:

الكشف المبكر عن العمليات الاحتيالية (Fraud) وتقليل الخسائر المالية الناتجة عنها.

خطوات العمل:

* تنظيف البيانات والتأكد من جودتها

* تحليل البيانات (EDA) لفهم توزيع العمليات السليمة مقابل الاحتيالية

* معالجة مشكلة عدم توازن البيانات (Imbalanced Dataset) باستخدام تقنيات مثل SMOTE

* تدريب عدة نماذج مثل Logistic Regression و XGBoost

* تحسين الأداء وضبط المعاملات (Hyperparameter Tuning)

التقييم:

* استخدام مقاييس مناسبة مثل AUPRC و Recall نظرًا لعدم توازن البيانات

* بناء Confusion Matrix لتحليل أداء النموذج بدقة

النتائج:

* تحسين قدرة النموذج على اكتشاف العمليات الاحتيالية النادرة

* تقليل False Negatives (عدم اكتشاف الاحتيال)

* الوصول إلى نموذج فعال يمكن استخدامه في الأنظمة البنكية

? الأدوات المستخدمة:

Python – Pandas – NumPy – Scikit-learn – XGBoost – Matplotlib

استخدامات المشروع:

* البنوك والمؤسسات المالية

* أنظمة الدفع الإلكتروني

* شركات الفينتك (FinTech)

القيمة:

يساعد هذا النظام في حماية العملاء وتقليل الخسائر المالية من خلال اكتشاف العمليات المشبوهة في الوقت الحقيقي.