IA y Datos
IT Audit & Anomaly Detection Suite
Tres modelos de ML convertidos en hallazgos listos para auditoría por agentes LLM.
El problema
Ayudar a los auditores de TI a decidir qué parece anómalo, qué tan riesgoso es y qué revisar primero.
Cómo lo construí
- 01Perfilé el comportamiento del sistema con clustering K-Means y reglas de asociación Apriori para marcar clústeres anómalos.
- 02Puntué el riesgo tecnológico con un modelo SGDRegressor.
- 03Ordené la cola de revisión con una metaheurística de recocido simulado.
- 04Usé agentes CrewAI con Gemini para traducir la salida de cada modelo en hallazgos y recomendaciones de mitigación.
Resultado
- Resultados estadísticos entregados en un formato sobre el que los auditores pueden actuar directamente.
Siguiente proyecto
Sales Forecasting Model