Deteção de Anomalias em Transações Financeiras

Programa do curso

Módulo 1 — Introdução à fraude financeira 4h O que é fraude financeira Principais tipos de fraude Fraude em cartões e pagamentos Fraude em canais digitais Fraude vs. anomalia Casos reais Módulo 2 — Dados e transações financeiras 5h Estrutura dos dados financeiros Variáveis de transações Exploração de dados Identificação de padrões Dados desbalanceados Qualidade dos dados Módulo 3 — Python para análise de fraude 6h Python aplicado a dados NumPy Pandas Visualização com Matplotlib Exploração de datasets Análise exploratória Módulo 4 — Engenharia de Features 5h Seleção de variáveis Criação de novas features Normalização Transformação de dados Perfis comportamentais Variáveis temporais e transacionais Módulo 5 — Deteção de anomalias 7h Conceito de anomaly detection Supervisionado vs. não supervisionado Isolation Forest Local Outlier Factor One-Class SVM Clustering para identificação de comportamentos anómalos Módulo 6 — Machine Learning aplicado à fraude 5h Treino dos modelos Validação Ajuste de parâmetros Comparação de modelos Previsão de transações suspeitas Módulo 7 — Avaliação dos modelos 4h Precision Recall F1-Score ROC-AUC PR-AUC Matriz de confusão Problemas de datasets desbalanceados Módulo 8 — Projeto final 4h Construção de um sistema de deteção Análise de transações Identificação de anomalias Interpretação dos resultados Apresentação do projeto 4. Projeto prático