Gegeven een hypothetische dataset met een ernstige klassenonbalans (99% negatief, 1% positief), ontwerp een pipeline voor anomalie detectie. Bespreek in detail de voor- en nadelen van gebruik van SMOTE versus ADASYN voor data-augmentatie en het toepassen van 'class weights'. Implementeer in Python (pseudocode is acceptabel) een pipeline met Scikit-Learn die GridSearchCV gebruikt voor hyperparameter tuning en evalueer het model strikt met Precision-Recall AUC in plaats van standaard accuracy.