Detección de Fraude en Pagos para una Pasarela Brasileña
Visión general
De qué trata este proyecto.
Crea un modelo contra fraude con 42 millones de transacciones, entrena XGBoost y maneja el desbalanceo para obtener un certificado verificable.
El escenario
La pasarela (alrededor de 130 personas, volumen anual cercano a 4.200 millones de reales) compite con dos hyperscalers globales en LATAM; cada punto base de fraude evitado equivale a unos 420.000 reales anuales.
El Briefing
Lo que harás y lo que demostrarás.
Construir un modelo de fraude con precisión@10% superior al 65% y proponer un plan staged de despliegue con criterios cuantitativos de avance.
Earning criteria — what you'll demonstrate
- Modelar clasificación binaria con desbalanceo extremo
- Diseñar features de comportamiento desde datos transaccionales
- Evaluar con métricas operacionales (precisión@K, recall@K)
- Diseñar un despliegue staged con criterios objetivos
Encaje académico
Dónde encaja esto en tus estudios.
Afina las mismas habilidades que tu titulación espera de ti.
Applied Machine Learning
Master · Machine Learning
Strong alignment
This challenge maps to Applied Machine Learning at the Master level. It sharpens the same practical skills your coursework expects — but in a real industry context with actual constraints and deliverables.
Habilidades
Habilidades que demostrarás.
Cada una aparece en tu credencial verificada.
- Fraud Detection
Apply fraud detection to solve real industry problems and demonstrate production-level capability.
- Imbalanced Classification
Apply imbalanced classification to solve real industry problems and demonstrate production-level capability.
- Feature Engineering
Apply feature engineering to solve real industry problems and demonstrate production-level capability.
- Model Evaluation
Apply model evaluation to solve real industry problems and demonstrate production-level capability.
- Python
Write clean, efficient Python for data processing, automation, and backend services.
- Deployment Strategy
Apply deployment strategy to solve real industry problems and demonstrate production-level capability.
Carreras
Roles para los que esto te prepara.
Títulos reales. Puentes de habilidades reales. Elige el que más se acerque a tu trayectoria.
Ingeniero de Aprendizaje Automático
Modelado con desbalanceo extremo y despliegue staged es trabajo cotidiano del MLE en fintech de pagos.
Este proyecto afina
- fraud-detection
- imbalanced-classification
- model-evaluation
Ingeniero de MLOps
El plan staged con criterios cuantitativos de avance y rollback es exactamente el músculo del MLOps engineer en producción.
Este proyecto afina
- deployment-strategy
- model-evaluation
- python
Investigador en Seguridad de IA
Análisis de sesgos por segmento y tarjeta de modelo con limitaciones documentadas dan puente al rol de safety responsable.
Este proyecto afina
- fraud-detection
- model-evaluation
- feature-engineering