Code
Detección de anomalías en transacciones B2B para una fintech de pagos
Visión general
De qué trata este proyecto.
Construye un modelo de detección de anomalías usando aprendizaje no supervisado (por ejemplo, Isolation Forest o autoencoders) que clasifique transacciones en riesgo bajo, medio y alto antes de que lleguen a revisión humana. Usa el dataset sintético de 18 meses con 23 variables por transacción (monto, frecuencia, geolocalización, comportamiento histórico del pagador, etc.). El éxito se mide por: reducir los falsos positivos del 25% actual al 8% o menos, mantener la tasa de detección de fraude real por encima del 85%, y que el sistema sea explicable para los analistas de riesgo. Documenta cómo reentrenarías el modelo mensualmente ante nuevos patrones de fraude.
El Briefing
Lo que harás y lo que demostrarás.
¿Cómo reducir las alertas de fraude falsas sin dejar pasar operaciones fraudulentas, usando patrones que los analistas humanos no detectan?
Earning criteria — what you'll demonstrate
- Aplicar algoritmos de aprendizaje no supervisado a problemas de detección de fraude sin etiquetas históricas confiables
- Diseñar métricas de evaluación cuando no hay ground truth completo en detección de anomalías
- Comunicar resultados técnicos a equipos de operaciones con presión por volumen de trabajo
- Entender el ciclo de vida de un modelo en producción: drift, reentrenamiento y monitoreo
Encaje académico
Dónde encaja esto en tus estudios.
Afina las mismas habilidades que tu titulación espera de ti.
Habilidades
Habilidades que demostrarás.
Cada una aparece en tu credencial verificada.
Carreras
Roles para los que esto te prepara.
Títulos reales. Puentes de habilidades reales. Elige el que más se acerque a tu trayectoria.
Analista de Riesgo
La comprensión de métricas de fraude, umbrales de decisión y comunicación con operaciones son competencias directamente transferibles al análisis de riesgo en fintech.
Este proyecto afina
- anomaly-detection
- business-communication
- sql
Analista de Crecimiento
La experiencia en reducir fricción operativa (falsos positivos) mientras se controla riesgo prepara para roles donde la eficiencia de procesos impulsa retención de clientes.
Este proyecto afina
- data-visualization
- business-communication
- unsupervised-learning
Consultor de Ciencia de Datos
La capacidad de diseñar soluciones técnicas para startups con recursos limitados y documentar su mantenimiento es central en la consultoría de ciencia de datos aplicada.
Este proyecto afina
- unsupervised-learning
- python
- anomaly-detection