نظام ذكي لكشف الاحتيال في المعاملات البنكية باستخدام Machine Learning

**نظام كشف الاحتيال في المعاملات البنكية باستخدام تعلم الآلة** قمت بتطوير نموذج تعلم آلي للكشف عن المعاملات البنكية الاحتيالية من خلال تحليل بيانات المعاملات المالية والتعرف على الأنماط غير الطبيعية التي قد تشير إلى عمليات احتيال. ركز المشروع على معالجة أحد أهم التحديات في هذا النوع من البيانات، وهو اختلال توازن الفئات (Class Imbalance)، حيث تمثل المعاملات الاحتيالية نسبة صغيرة جدًا مقارنة بالمعاملات الطبيعية. بدأ المشروع بتحليل البيانات واستكشاف خصائصها لفهم توزيع المعاملات والعوامل المؤثرة في عمليات الاحتيال، ثم تم تطبيق تقنيات متقدمة لمعالجة اختلال التوازن وتحسين قدرة النموذج على اكتشاف الحالات الاحتيالية بدقة أكبر. كما تم بناء وتقييم عدة نماذج ومقارنة أدائها باستخدام مقاييس متخصصة لضمان تحقيق أفضل النتائج الممكنة في بيئة تحاكي التطبيقات الواقعية لكشف الاحتيال المالي. **أبرز مخرجات المشروع:** * تنفيذ تحليل استكشافي شامل للبيانات (EDA) لفهم خصائص المعاملات المالية. * دراسة توزيع المعاملات الطبيعية والاحتيالية واستخراج الأنماط المهمة. * معالجة مشكلة Class Imbalance باستخدام تقنية SMOTE. * بناء وتقييم نموذج Decision Tree قبل وبعد تطبيق SMOTE. * مقارنة الأداء وقياس تأثير معالجة البيانات على النتائج. * رسم منحنى ROC وحساب قيمة AUC Score لتقييم كفاءة النموذج. * ضبط Hyperparameters باستخدام GridSearchCV للحصول على أفضل أداء ممكن. * تحسين قدرة النموذج على اكتشاف المعاملات الاحتيالية وتقليل الأخطاء في التصنيف.