Detección de fraude por red de llamadas en una telco LATAM
Visión general
De qué trata este proyecto.
Recibes una semana de Call Detail Records (CDR) anonimizados con cerca de 3.000 millones de aristas (origen, destino, marca de tiempo, duración) y un conjunto de etiquetas de fraude confirmadas por el equipo antifraude. Construye un grafo temporal, calcula features de red por nodo (grado entrante/saliente, ráfaga temporal, dispersión geográfica de destinos) y entrena un clasificador supervisado (XGBoost o Random Forest) para detectar números amplificadores. Mide precisión, recall y latencia de detección desde el primer evento fraudulento. El éxito es recall ≥ 80 % en falsos positivos por debajo del 1 %.
El Briefing
Lo que harás y lo que demostrarás.
Detectar números amplificadores de fraude Wangiri en tiempo casi real combinando features de red y un clasificador supervisado.
Earning criteria — what you'll demonstrate
- Construir features de red a escala sobre grafos temporales
- Aplicar clasificación supervisada con conjuntos desbalanceados
- Diseñar evaluaciones con métricas operativas (latencia de detección)
- Razonar sobre despliegue en streaming versus batch
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.
Trayectorias profesionales que esto construye
Roles canónicosIngeniero/a de Aprendizaje Automático
Combinar features de red con clasificación supervisada sobre datos a esta escala, con métricas operativas, es trabajo cotidiano de una persona MLE en empresas antifraude.
Este proyecto afina
- graph-features
- xgboost
- model-evaluation
Científico/a de Datos
Detección de fraude con análisis de modos de fallo y comunicación a operación es perfil habitual de una persona data scientist en telecomunicaciones.
Este proyecto afina
- fraud-detection
- graph-features
- model-evaluation
Ingeniero/a de Datos
Construir pipelines de features sobre Spark a esta escala es el día a día de una persona data engineer en operadoras móviles.
Este proyecto afina
- spark
- graph-features
- python