Ik bouw een fraudedetectie- en anomaliedetectiesysteem

Fraude kost bedrijven elk jaar miljarden. Ik bouw machine learning fraudedetectie- en anomaliedetectiesystemen die verdachte activiteiten in real-time markeren voordat het een verlies wordt.

Ik ben gespecialiseerd in ongebalanceerde classificatieproblemen (fraude is van nature zeldzaam), met behulp van XGBoost, Random Forest en isolatiebomen met SMOTE oversampling om modellen te bouwen die geen frauduleuze transacties missen. Het resultaat is een systeem waarop jouw team kan vertrouwen en waarop ze kunnen handelen.

Wat je krijgt:

• Exploratieve data-analyse van jouw transactiegegevens
• Getraind fraudedetectie- of anomaliedetectiemodel
• Drempelafstelling voor jouw tradeoff tussen precisie en recall
• Interactief dashboard voor het monitoren van gemarkeerde transacties
• Evaluatierapport van het model (F1, recall, precisie, AUC)
• Schoon, gedocumenteerde Python-codebasis

Voor wie dit is: fintech-bedrijven, e-commerce platforms, betalingsverwerkers en elk bedrijf dat transactiegegevens verwerkt en een slimmere manier zoekt om slechte actoren te vangen.