Класифікація банківських транзакцій з метою виявлення шахрайських із застосуванням сучасних тренувальних алгоритмів на базі платформи ML.Net

Навчальний заклад: Дніпровський науковий ліцей інформаційних технологій Дніпровської міської ради

Автор: Антонюк Діана Ігорівна

Відділення: Інформаційні технології

Секція: Системи та технології штучного інтелекту

Область: Дніпропетровська

Опис:

Представлена робота дозволяє виявляти шахрайства з кредитними картками використовучи алгоритм машинного навчання Fast Tree на платформі ML.Net. Вибір Fast Tree як оптимального алгоритму засвідчується дослідженнями, що показали його високу ефективність у порівнянні з методами Naïve Bayes, Random Forest та Support Vector Machines, а ML.Net ефективний для обробки великих обсягів даних. Дані транзакції завантажуються з відкритого репозиторію Kaggle, а їх користувацька частина вивантажується до бази даних SQL Server. Потім платформа ML.Net використовується для побудови та тренування моделі на основі алгоритму Fast Tree з використанням цих даних. Модель оцінюється за допомогою таких метрик, як Accuracy, Precision, Recall та F1 Score. Після успішного навчання модель зберігається та користувач може використовувати її для класифікації транзакцій на шахрайські та правомірні. Збір реальних даних про транзакції з кредитними картками може бути реалізовано через API, такі як PSD2, або шляхом використання доступних датасетів, таких як ClearScore Dataset або Data Points dataset, що дозволить тренувати моделі на реальних даних, підвищуючи їх ефективність та точність. У подальшому модель може бути використана у системах моніторингу фінансових транзакцій, що дозволяє забезпечити швидке та ефективне виявлення потенційних шахрайських операцій.

- -