使用SPARK 2.2
檢測真實的信用卡欺詐
使用火花流,Spark ML,Kafka,Cassandra和氣流檢測真實的信用卡欺詐
檢測真實信用卡欺詐是一門全面的課程,重點是使用狀態-ART技術,例如Spark Streaming,Spark ML,Kafka,Cassandra和Airflow,以檢測和防止真實的信用卡欺詐。本課程適合所有技能水平的人。
課程概述
在本課程中,您將學習如何使用Spark,Kafka和Cassandra實施真實的 – 時間信用卡欺詐檢測。該課程涵蓋了Spark ML管道的幾個步驟,包括字符串索引,一個熱編碼器和矢量組件,用於預處理數據。另外,您將學習如何使用隨機森林算法創建機器學習模型。
為了確保准確的結果,該課程還使用K-均值算法解決數據平衡技術。您將獲得與Kafka和Cassandra的Spark流媒體作品整合的實踐經驗,從恰好通過個性化的Spark Stream流離失所管理來達到語義。
此外,本課程介紹了氣流自動化框架,該框架用於在火花自動群集上自動化火花。在本課程結束時,您將擁有使用Spark,Kafka,Cassandra,Scala和Java構建大型-To -end -to -end項目所需的技能和知識。
您將學到什麼
本課程完成後,學生將能夠:
- 使用Spark,Kafka,Cassandra,Scala和Java從端到端構建一個大數據項目。
- 使用Spark Streaming,Spark ML,Kafka,Cassandra和氣流實現真實的 – 時間信用卡欺詐檢測。
- 使用Spark ML管道階段進行數據預處理。
- 使用隨機森林算法創建機器學習模型。
- 使用K-均值算法應用數據平衡技術。
- 集成火花流與Kafka和Cassandra一起使用。
- 恰好通過個性化火花流動管理管理的單向語義。
- 使用氣流自動化框架在自主火花集群上自動化火花工作。
立即加入我們,並提高您使用行業中最新技術來檢測實時信用卡欺詐的技能。