Red Neuronal Autoencoder para Deteccion de Fraude en Tarjetas de Credito

Descripcion

Este proyecto implementa un Autoencoder construido desde cero con NumPy puro — sin frameworks de deep learning — para la deteccion de transacciones fraudulentas en tarjetas de credito.

El modelo aprende a reconstruir patrones de transacciones legitimas; aquellas con alto error de reconstruccion se clasifican como anomalias potenciales (fraudes).

Autor: Carlos Falconi — Malaga, Espana
Fecha: Diciembre 2025
Contexto: Master en Big Data, Data Engineering & AI — ESESA, Malaga 2025-2026

---

Enfoque Tecnico

Arquitectura del Autoencoder (implementacion NumPy pura)

Input (29 features)
    |
    v
Dense(30)  --> 900 params
    |
    v
Dense(20)  --> 620 params
    |
    v
Dense(10)  --> 210 params
    |
    v
Dense(5)   --> 55 params   <-- Bottleneck (codigo latent)
    |
    v
Dense(10)  --> 60 params
    |
    v
Dense(20)  --> 220 params
    |
    v
Dense(30)  --> 630 params
    |
    v
Dense(29)  --> 899 params
    |
    v
Output (29 features)

• Total parametros entrenables: 3,594
• Funcion de activacion: tanh
• Funcion de perdida: MSE (Error Cuadratico Medio)
• Optimizacion: Gradiente descendente con backpropagation manual
• Metrica auxiliar: MAE (Error Absoluto Medio)

Estrategia de Deteccion

1. Entrenar el autoencoder unicamente con transacciones legitimas
2. Calcular el error de reconstruccion para cada transaccion
3. Definir umbral = media + 4 * desviacion estandar del error
4. Transacciones con error superior al umbral se clasifican como fraude

---

Dataset

Caracteristica	Valor
Fuente	Kaggle - Credit Card Fraud Detection
Transacciones totales	284,807
Caracteristicas	31 (Time, V1-V28, Amount, Class)
Transacciones legitimas	284,315 (99.83%)
Transacciones fraudulentas	492 (0.17%)

Las caracteristicas V1-V28 estan anonimizadas mediante PCA por razones de confidencialidad.

---

Resultados

Metrica	Valor
Umbral de decision	0.1362 (media + 4*std)
Recall	36.8%
Perdida final (MSE)	~0.0072
Epochs entrenados	20

El bajo recall es un comportamiento esperado en autoencoders no supervisados: al entrenarse solo con transacciones legitimas, optimizan la reconstruccion del patron normal, y las anomalias elevan naturalmente el error. El umbral es conservativo para minimizar falsos positivos. Para mejorar la cobertura bastaria bajar el umbral.

---

Estructura del Proyecto

fraud-detection-api/
|
|-- Creditcard_redneuronal_2025_12_10_rev00.ipynb   # Notebook principal
|-- README.md                                        # Este archivo

---

Como Ejecutar

Requisitos

• Python 3.8+
• NumPy
• Pandas
• Matplotlib, Seaborn
• scikit-learn (para MinMaxScaler y metricas)

Pasos

1. Clonar el repositorio:

   git clone https://github.com/xfalconix/fraud-detection-api.git
   cd fraud-detection-api

2. Instalar dependencias:

   pip install numpy pandas matplotlib seaborn scikit-learn jupyter

3. Obtener el dataset:

   • Descargar desde Kaggle
   • Colocar el archivo creditcard.csv en el directorio del notebook

4. Ejecutar en Google Colab (recomendado):

   • Abrir el notebook en GitHub y pulsar el boton Open in Colab
   • Montar Google Drive o subir el CSV directamente

5. Ejecutar localmente:

   jupyter notebook Creditcard_redneuronal_2025_12_10_rev00.ipynb

---

Secciones del Notebook

Seccion	Contenido
Imports y configuracion	NumPy, Pandas, Matplotlib, Seaborn, sklearn
Carga de datos	Lectura del CSV de Kaggle
EDA	Distribucion de clases, visualizacion de V1-V28
Preprocesamiento	MinMaxScaler sobre las 29 features
Construccion del Autoencoder	Capas densas con inicializacion Xavier, tanh
Entrenamiento	20 epochs con backpropagation manual sobre solo transacciones legitimas
Evaluacion	Calculo de umbral, error de reconstruccion, recall

---

Limitaciones y Mejoras Futuras

• Umbral fijo: Optimizar el umbral con curvas ROC o precision-recall
• Clases desbalanceadas: Experimentar con SMOTE, undersampling o class weighting
• Arquitectura mas profunda: Probar mas capas o regularizacion L2
• Comparacion supervisada: Contrastar con XGBoost o Random Forest supervisados
• Despliegue: Exportar el modelo y servir como API con FastAPI

---

Por que NumPy puro?

Implementar el autoencoder desde cero (sin TensorFlow/Keras/PyTorch) es un ejercicio pedagogico fundamental para entender:

• Como funciona el forward pass y backpropagation a nivel matematico
• Como se propagan gradientes a traves de capas densas
• La diferencia entre usar un framework y entender lo que hace por debajo

Esto demuestra dominio profundo de los fundamentos de deep learning — algo que los recrutadores valoran especialmente en perfiles junior-to-mid en ML.

---

Proyecto desarrollado como parte del Master en Big Data, Data Engineering & AI — ESESA, Malaga 2025-2026