This is a submission for the Notion MCP Challenge
Bonjour la communauté DEV ! 👋
Je suis ravi de vous présenter Credit Card Fraud Detection, un projet conçu pour le Notion MCP Challenge. J'ai développé une solution interactive qui transforme l'analyse de données financières complexes en un outil de décision en temps réel, prêt à être intégré à vos flux de travail Notion via le protocole MCP.
💡 Le Concept: Sécuriser les transactions avec l'IA
Basée sur le célèbre dataset Kaggle, cette application utilise le Machine Learning pour identifier les transactions suspectes. L'objectif ? Rendre l'analyse de fraude accessible et actionnable directement depuis un environnement de gestion comme Notion.
🚀 Tester l'App en direct: Credit Card Fraud App – Live App
📂 Code Source : GitHub Repository
🛠️ Ce que fait l'application
Le projet couvre l'intégralité du pipeline de données :
Préparation & Nettoyage : Traitement rigoureux des données financières avec Pandas.
Machine Learning : Entraînement de modèles robustes (notamment Random Forest) avec Scikit-learn.
Prédiction en temps réel : Interface utilisateur fluide via Streamlit pour tester des transactions instantanément.
Intégration Notion: Grâce au Model Context Protocol (MCP), les rapports de fraude peuvent être synchronisés pour un suivi d'audit directement dans Notion.
💻 Installation Rapide (Local)
Envie de tester ou de contribuer ? Voici comment lancer le projet :
Cloner le dépôt : git clone https://github.com/SofianeChehboune/Creditcard_Streamlit_App.git
Environnement : Créer un venv et installer les dépendances via pip install -r requirements.txt.
Data : Téléchargez le creditcard.csv depuis Kaggle et placez-le à la racine.
Run : streamlit run Home.py
📖 Pourquoi cette approche ?
Le challenge est de briser les silos entre le code (Python) et la gestion opérationnelle. En utilisant le Model Context Protocol, mon application permet à une IA d'analyser les patterns de fraude et de générer des alertes pertinentes au sein même de vos pages de gestion Notion.
🙏 Merci d’avoir lu !
Si vous aimez le projet, laissez un ❤️
Top comments (0)