Visión general
De qué trata este proyecto.
Construye un VAE con 12M transacciones B2B, detecta anomalías con log-likelihood y compara contra Isolation Forest. Obtén un certificado verificable.
El escenario
La pasarela (Serie B, ~150 personas, GMV — Gross Merchandise Volume/Volumen Bruto de Mercancía anual de 9.000M EUR) cobra fees ajustados y un fraude perdido cuesta entre 6x y 12x la comisión; el equipo de risk tiene capacidad para revisar manualmente unas 500 transacciones diarias.
El Briefing
Lo que harás y lo que demostrarás.
Detectar transacciones anómalas con un VAE entrenado sobre comportamiento normal, superando a Isolation Forest en Precision@500.
Earning criteria — what you'll demonstrate
- Comprender el VAE como inferencia variacional sobre variables latentes
- Aplicar el ELBO (Evidence Lower Bound — cota inferior de evidencia) como objetivo de entrenamiento
- Diseñar y evaluar un detector de anomalías con métricas top-N
- Comparar honestamente con líneas base no profundas
Encaje académico
Dónde encaja esto en tus estudios.
Afina las mismas habilidades que tu titulación espera de ti.
Alineación con asignaturas próximamente.
Habilidades
Habilidades que demostrarás.
Cada una aparece en tu credencial verificada.
- Variational Autoencoders
Apply variational autoencoders to solve real industry problems and demonstrate production-level capability.
- Deep Learning
Design and train neural networks for complex pattern recognition tasks.
- Anomaly Detection
Apply anomaly detection to solve real industry problems and demonstrate production-level capability.
- Python
Write clean, efficient Python for data processing, automation, and backend services.
- Model Evaluation
Apply model evaluation to solve real industry problems and demonstrate production-level capability.
- Uncertainty Quantification
Apply uncertainty quantification 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/a de Machine Learning
Entrenar un modelo generativo y empaquetarlo como pipeline batch para risk-engineering es trabajo cotidiano de un MLE en fintech.
Este proyecto afina
- variational-autoencoders
- deep-learning
- python
Científico/a Aplicado/a de IA
Diseñar un detector probabilístico con métricas operativas claras y comunicar sus límites es exactamente el día a día de un applied AI scientist.
Este proyecto afina
- anomaly-detection
- model-evaluation
- uncertainty-quantification
Científico/a de Datos
Comparar enfoques deep y clásicos en un caso de negocio real bajo restricción de capacidad humana de revisión es competencia central del data scientist en fintech.
Este proyecto afina
- anomaly-detection
- model-evaluation
- deep-learning