Modelo de aprendizaje automático para la detección de transacciones potencialmente fraudulentas

Abstract

Este proyecto tiene como finalidad desarrollar un modelo de aprendizaje automático capaz de identificar transacciones potencialmente fraudulentas en grandes volúmenes de datos financieros, fortaleciendo la capacidad predictiva de las instituciones y reduciendo el error humano. El modelo se implementará en Python utilizando librerías como NumPy, Pandas y Scikit-learn, y su eficiencia se evaluará mediante métricas como precisión, recall y F1-score. Con ello, se busca ofrecer una herramienta analítica robusta que permita a las entidades financieras anticiparse a conductas fraudulentas, disminuir pérdidas económicas y fortalecer la confianza de sus usuarios.

This project aims to develop a machine learning model capable of identifying potentially fraudulent transactions within large volumes of financial data, strengthening institutions’ predictive capabilities and reducing human error. The model will be implemented in Python using libraries such as NumPy, Pandas, and Scikit-learn, and its efficiency will be evaluated through metrics such as accuracy, recall, and F1-score. The goal is to provide a robust analytical tool that enables financial entities to anticipate fraudulent behavior, reduce economic losses, and strengthen user trust.