Challenge AI: Detección de Fraudes en Transacciones Bancarias

Objetivo

Se desea abordar la detección de fraudes en transacciones bancarias utilizando AWS Bedrock y Amazon SageMaker.

1. Se les proporcionará un dataset (credir_risk_reto.csv) para generar descripciones relacionadas (description) con el riesgo crediticio mediante modelos generativos de AWS Bedrock como GPT o Llama.
2. Clasificar las descripciones generadas con Bedrock, asignando etiquetas de riesgo (target): “bad risk” o “good risk”.
3. Entrenar un modelo de clasificación en Amazon SageMaker usando las etiquetas generadas, optimizando los hiperparámetros para obtener el mejor rendimiento.
4. Se deberá desplegar el modelo en SageMaker para procesar nuevas transacciones y monitorear su desempeño.

Nota: El sistema debe ser eficiente, escalable y capaz de adaptarse a nueva data para mantener su precisión y efectividad.

---

Entregables

1. Scripts funcionales para todo el flujo:

   • a. Generación de descripciones con Bedrock
   • b. Clasificación inicial con Bedrock
   • c. Entrenamiento del modelo supervisado en SageMaker
   • d. Despliegue del modelo y pruebas de inferencia
   • e. El código debería estar alojado en un repositorio con instrucciones claras (deseable)

2. Informe corto:

   • a. Descripción del flujo de trabajo
   • b. Explicación de decisiones técnicas
   • c. Métricas de desempeño del modelo
   • d. Screenshots o logs de Bedrock y SageMaker

3. Enlace del endpoint desplegado en SageMaker o evidencia funcional (video o capturas de pantalla).

4. Script o instrucciones para realizar consultas al modelo.

5. Dataset modificado con las nuevas columnas (description y target).

6. Incluir un video presentando sus hallazgos y/o prototipo.

---

Diccionario de datos

El dataset contiene 1000 entradas con 9 columnas categóricas/numéricas. Cada entrada representa a una persona como buen o mal riesgo crediticio de acuerdo con el set de características. Cada columna representa lo siguiente:

• Age: Edad de la persona
• Sex: Sexo de la persona
• Job:
  • 0: unskilled and non-resident
  • 1: unskilled and resident
  • 2: skilled
  • 3: highly skilled
• Housing: Tipo de alojamiento
• Saving accounts: Tipo de cuenta de ahorro
• Checking account: Tipo de cuenta corriente
• Credit amount: Monto de crédito
• Duration (meses): Tiempo de préstamo
• Purpose: Motivo del préstamo

---

Entrega

Enviar un correo con la url de la solución del ejercicio en tu repo a [email protected] Usa el asunto Ejercicio Challenge AI.