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。