💳 Projeto de Detecção de Fraudes em Transações Financeiras

Bem-vindo ao nosso projeto de Machine Learning Supervisionado!
Nosso objetivo é desenvolver um modelo preditivo capaz de detectar transações fraudulentas utilizando algoritmos de classificação.

---

📂 Estrutura do Projeto

• data/ 📦 — Base de dados (não versionada no Git).
• notebooks/ 📓 — Jupyter Notebooks com análise exploratória, modelagem e avaliação.
• src/ ⚙️ — Scripts Python de pré-processamento, funções auxiliares e pipelines.
• docs/ 📑 — Documentos de apoio como o Project Model Canvas e relatórios técnicos.
• reports/ 📈 — Relatórios finais, gráficos e apresentações.

---

👥 Equipe

• Anderson de Matos Guimarães 🧠
• Gustavo Stefano Thomazinho 🛠️
• Leonardo Rodrigues Vianna de Medeiros Lopes 🔍
• Renan Ost 🧪

Professor Orientador: Marcelo Carboni Gomes 🎓

---

🛠️ Tecnologias e Bibliotecas Utilizadas

• Python 🐍
• Pandas 🐼
• NumPy ➗
• Scikit-learn 📚
• Matplotlib 📊
• Seaborn 🌊
• Imbalanced-learn ⚖️
• Jupyter Notebook 📓

---

📈 Dataset Utilizado

• Credit Card Fraud Detection - Kaggle 🔗

Este dataset contém transações de cartões de crédito europeus realizadas em setembro de 2013, com informações anonimizadas via PCA.

⚠️ A pasta data/ está no .gitignore e não será versionada no Git para preservar a integridade e o tamanho do repositório.

---

🚀 Como Começar

1. Clone o repositório:

   git clone https://github.com/PadawanXXVI/projeto-fraude-ml.git
   cd projeto-fraude-ml

2. Crie um ambiente virtual e ative:

python -m venv venv
source venv/bin/activate  # Linux/Mac
source venv/Scripts/activate  # Windows (Git Bash)

3. Instale as dependências:

pip install -r requirements.txt

4. Inicie o Jupyter Notebook

jupyter notebook

---

📚 Documentação Completa

Para detalhes sobre o desenvolvimento do projeto, entregas e análises, acesse nossa Wiki Oficial.

---

Projeto acadêmico desenvolvido para a disciplina Engenharia de Machine Learning

Faculdade de Tecnologia e Inovação Senac DF

Tecnologia em Ciência de Dados (3º Semestre - Noturno)

Brasília, DF, BR, 1º Semestre 2025.

---