A detecção de fraudes também relacionada a detecção de anomalias tem como objetivo identificar atividades ou padrões não usuais (incomuns). Por exemplo, para o setor financeiro: falsificação de assinaturas em cheques, clonagem de cartões de crédito, lavagem de dinheiro, declarar falência propositalmente (bankruptcy), etc.
Esse repositório faz a aplicação das técnicas de amostragem (Over/Under-Sampling, SMOTE, Borderline-SMOTE e ADASYN) com o algoritmo de classificação 3-NN, técnicas de classificação e agrupamento para obter insights na base de dados de detecção de fraudes.
Notebooks desenvolvidos durante o programa.
.
├── Notebooks
│ ├── 1. Técnicas de Amostragem
│ ├── 2. Classificação dos Dados
│ └── 3. Agrupamento dos Dados
Notebook de conclusão do curso aplicando os conceitos de ciência de dados para classificar as transações.