AWESSO-blaise/Mobile-money-africa

# Mobile Money Africa — Détection de fraude Projet d'apprentissage en data science / machine learning visant à détecter des transactions frauduleuses de mobile money à partir du dataset PaySim. ## Dataset - ~6,36 millions de transactions, 11 colonnes (type, montant, soldes avant/après, indicateur de fraude, ...) - ~0,13 % des transactions sont frauduleuses - Les fraudes n'apparaissent que sur les types `CASH_OUT` et `TRANSFER` - Le fichier CSV n'est pas versionné (voir `.gitignore`) : placer `PS_20174392719_1491204439457_log.csv` dans `data/` avant de lancer le notebook ## Structure du projet ``` . ├── exploration.ipynb # Analyse exploratoire, visualisations, préparation du modèle ├── notes.md # Journal d'apprentissage (concepts découverts jour par jour) ├── data/ # Dataset (non versionné) └── requirements.txt ``` ## Installation ```bash python -m venv venv venv\Scripts\activate # Windows pip install -r requirements.txt ``` ## Utilisation ```bash jupyter notebook exploration.ipynb ``` ## Avancement Le détail des concepts appris et des analyses réalisées est tenu à jour dans notes.md. - **Jour 1** — Exploration du dataset, analyse des fraudes par type, par montant et par comportement de solde - **Jour 2** — Nettoyage des données, encodage, split train/test, entraînement d'un modèle Random Forest