A segurança financeira é um dos pilares do Banco SeguraMais, que busca constantemente proteger seus clientes contra fraudes. Com o aumento das tentativas de fraude em transações bancárias, surge a necessidade de soluções inteligentes e automatizadas. Este desafio propõe a criação de um modelo de inteligência artificial capaz de identificar transações suspeitas em tempo real, promovendo um ambiente mais seguro e confiável para todos os usuários do banco. Ao participar, você irá desenvolver habilidades práticas em ciência de dados e contribuir para um cenário financeiro mais protegido.
Materiais para você usar como base para o desenvolvimento
Estrutura, regras e requisitos do projeto
Use este checklist para ajudar a organizar a sua entrega
Confira os resultados esperados do projeto
Envie o projeto para ver a resolução
Ao enviar seu projeto, você poderá conferir os resultados esperados
O objetivo do desafio é construir um modelo de classificação utilizando árvore de decisão que seja capaz de prever com alta precisão se uma transação é fraudulenta ou não. O modelo deve ser avaliado com base em métricas que considerem tanto a capacidade de detectar fraudes (sensibilidade) quanto a capacidade de evitar falsos alarmes (especificidade). O Banco SeguraMais busca um equilíbrio entre essas métricas para garantir a segurança de seus clientes sem comprometer a experiência de uso. Faça um texto de análise dos resultados obtidos ao final do arquivo com suas interpretações sobre o resultado obtido, o resultado não precisa necessariamente ser positivo ao aplicar modelo de árvore de decisão.
O dataset fornecido contém informações sobre transações bancárias realizadas pelos clientes do Banco SeguraMais. Cada linha do dataset representa uma transação, e as colunas contêm informações relevantes sobre a transação e seu status (fraude ou não fraude). Abaixo está a descrição das variáveis presentes no dataset:
O dataset se encontra compactado na seção de recursos, é necessário extrair primeiro.
Após concluir o desafio, você deve enviar a URL do seu código no GitHub para a plataforma.
Além disso, que tal fazer um post no LinkedIn compartilhando o seu aprendizado e contando como foi a experiência?
É uma excelente forma de demonstrar seus conhecimentos e atrair novas oportunidades!
Feito com 💜 por Rocketseat 👋
O objetivo do desafio é construir um modelo de classificação utilizando árvore de decisão que seja capaz de prever com alta precisão se uma transação é fraudulenta ou não. O modelo deve ser avaliado com base em métricas que considerem tanto a capacidade de detectar fraudes (sensibilidade) quanto a capacidade de evitar falsos alarmes (especificidade). O Banco SeguraMais busca um equilíbrio entre essas métricas para garantir a segurança de seus clientes sem comprometer a experiência de uso. Faça um texto de análise dos resultados obtidos ao final do arquivo com suas interpretações sobre o resultado obtido, o resultado não precisa necessariamente ser positivo ao aplicar modelo de árvore de decisão.
O dataset fornecido contém informações sobre transações bancárias realizadas pelos clientes do Banco SeguraMais. Cada linha do dataset representa uma transação, e as colunas contêm informações relevantes sobre a transação e seu status (fraude ou não fraude). Abaixo está a descrição das variáveis presentes no dataset:
O dataset se encontra compactado na seção de recursos, é necessário extrair primeiro.
Após concluir o desafio, você deve enviar a URL do seu código no GitHub para a plataforma.
Além disso, que tal fazer um post no LinkedIn compartilhando o seu aprendizado e contando como foi a experiência?
É uma excelente forma de demonstrar seus conhecimentos e atrair novas oportunidades!
Feito com 💜 por Rocketseat 👋
