مشروع تعلم آلي يركز على اكتشاف عمليات الاحتيال في معاملات بطاقات الائتمان باستخدام تقنيات Machine Learning. يعتمد العمل على تحليل بيانات المعاملات المالية بهدف التعرف على الأنماط غير الطبيعية التي قد تدل على نشاط احتيالي. يتضمن المشروع دورة متكاملة لبناء نموذج تعلم آلي، تبدأ بمرحلة تنظيف البيانات ومعالجتها، ثم معالجة مشكلة عدم توازن الفئات باستخدام تقنيات مثل SMOTE، يلي ذلك تدريب عدة خوارزميات تعلم آلي من بينها Logistic Regression وRandom Forest وSVM وXGBoost.
كما يشمل المشروع استخدام Cross-Validation للحصول على تقييم أكثر موثوقية لأداء النماذج، بالإضافة إلى بناء نموذج Ensemble يعتمد على أسلوب Soft Voting بهدف تحسين القدرة التنبؤية. تم قياس أداء النماذج باستخدام مؤشرات تقييم متعددة مثل ROC-AUC وPrecision وRecall وF1-score، مع إنشاء مجموعة من الرسوم التحليلية مثل ROC Curve وPrecision–Recall Curve وConfusion Matrix لعرض أداء النماذج بشكل أوضح.
ويهدف هذا المشروع إلى إظهار كيفية تطوير Pipeline متكاملة لمشروع تعلم آلي تطبيقي يمكن الاستفادة منه في أنظمة العالم الحقيقي، مثل أنظمة كشف الاحتيال في المؤسسات المالية والبنوك.
