Credit Card Fraud Detection

في هذا المشروع، قمت بتطوير نموذج تعلم آلي متقدم للكشف عن المعاملات الاحتيالية في بطاقات الائتمان باستخدام بيانات حقيقية ومعقدة من قطاع الخدمات المالية. الهدف من المشروع هو توفير نظام فعال لتحديد العمليات المشبوهة فور حدوثها، مما يقلل الخسائر ويزيد أمان العملاء والمؤسسات المالية.

بدأ المشروع بـ تنظيف البيانات ومعالجة القيم المفقودة والتعامل مع البيانات غير المتوازنة، حيث أن حالات الاحتيال قليلة جدًا مقارنة بالمعاملات العادية. بعد ذلك، قمت بـ تحليل البيانات الاستكشافي (EDA) لفهم الأنماط السلوكية للمعاملات المشبوهة، وتحديد المؤشرات الرئيسية التي تساعد في التنبؤ بالاحتيال.

تم تنفيذ هندسة الخصائص (Feature Engineering) لاستخراج ميزات جديدة مثل حجم المعاملة، توقيت المعاملة، وطبيعة النشاط المالي للعميل، وذلك لتحسين أداء النموذج. بعد ذلك، تم تدريب عدة خوارزميات تصنيف مثل Random Forest، Logistic Regression، وXGBoost، وتم تقييم أدائها باستخدام مقاييس دقيقة مثل Precision، Recall، وF1-Score لضمان تقليل الأخطاء وتقليل حالات الفشل في اكتشاف الاحتيال.