Intelligent Financial Fraud Detection

تم تطوير مشروع ذكي للكشف عن الاحتيال المالي باستخدام لغة Python وتقنيات التعلم الآلي (Machine Learning) لتحديد المعاملات المالية التي يُحتمل أن تكون احتيالية.

تضمن المشروع مراحل متعددة شملت: المعالجة المسبقة للبيانات، والتحليل الاستكشافي للبيانات، وهندسة الميزات (Feature Engineering)، ومعالجة مشكلة عدم توازن الفئات (Class Imbalance) باستخدام تقنية SMOTE، بالإضافة إلى تدريب نماذج متعددة للتعلم الآلي مثل: Decision Tree وRandom Forest وXGBoost وLightGBM وCatBoost.

خضعت النماذج للتقييم والمقارنة لتحديد كفاءتها في رصد المعاملات الاحتيالية، حيث حققت النماذج الأفضل أداءً مستويات عالية من الدقة.

الأدوات والتقنيات المستخدمة: Python، Pandas، NumPy، Scikit-learn، SMOTE، التعلم الآلي، تحليل البيانات، Matplotlib، Seaborn، XGBoost، LightGBM، CatBoost.