AI 助理
文档备案控制台
开发者社区 大数据 文章 正文

【Hadoop Summit Tokyo 2016】用于欺诈检测的深度学习

2017-03-01 2116
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《 阿里云开发者社区用户服务协议》和 《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写 侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介： 本讲义出自Ted Dunning在Hadoop Summit Tokyo 2016上的演讲，主要分享了在对于深度学习和欺诈检测的探索中发现的艺术以及在这个过程中学习到的经验，最后还分享了一些使用深度学习技术进行欺诈检测方面的可行的指导。
本讲义出自 Ted Dunning在Hadoop Summit Tokyo 2016上的演讲，主要分享了在对于深度学习和欺诈检测的探索中发现的艺术以及在这个过程中学习到的经验，最后还分享了一些使用深度学习技术进行欺诈检测方面的可行的指导。

cfab58ffcebabb79e8ba7dbe97161794f03bbc56

608694dfdc553fc333fe14681875ae0deaf46db8

0c6c1ad73418cf776d020efba4a84fb23d45f433

95f8f4e09e7d54b1d476ce8f8d911161bc8c69c8

3b02f54795761c23e33cc054e9e62a542848b6ad

840e65fe66ac09efa51a786fc4ea9da15bb31021

5c2b47bf99644bce001fab47cd50ca47c2d5cf1c

bf3f52e3f0da9406e2c2df0cc147388048c29d00

74c80434d0178a5fc16ba8b02046adfc69d2c2b6

324c531b4d97688fe465f71a3be36722e7c662a5

342dc33d5044915ad30bb20c1c8083d66dccac2b

f82cd70f1335677879668455aaa17e808565f52f

9b538bf91c1a888a9957e098652b2d78ba57f156

882b00041b88f929aaab102cd1b60f034dfb430b

c05a742e4febc5b3f20f50324d94e20314a47515

19d4741ed6e03a6902e6377e842cc385baca463e

cf352e84c43a74d2f53b7bffce9a574a3654aeab

2103b466a8b979acacefdbacbcdb78307bf5a17d

473ad358717810254ea86986d12b01d08265dc9a

b2c770dba958cd1f2479d5a6c34dbc4ac16a4616

6536b25ec25417e2c237d1ec198b11def5811599

5f4bccff60a5b9a01f93dc77dc1782df37dcb155

fee602c7db763c919871c3ac4d462914e0a14915

f35c9e82908bb9ea1a2d34fbdda533adbcaab289

6aa0798a3bf853ab380c3b661a2d6a0229a042e1

cf32d55101a57335e64a87c63e91565005282258

5f08a49f3a2a58ff19445316113a1a716591576e

d031d7ca3808dd65fbeae77e1016b85c6c7e85f7

aaed297ad6c2f3f6063f27d665cacfdf8219a5cf

2174efc2afd5334deaca40832457d6d3a4078ca2

6357924f35bf56b6b5dfc9a7d70055fb8997d7d5

5ba01a0ee23abc9734e7d51ed8d8ebac61bbf4a5

74303446b4f97ef85b75874b73a1c7924c6a10a2

45fd122c6b1b7a2a2d1785dee059fa98f1d9f349

a952a767f6658ab9dde64506262df7ab234fb7d3

7b4af3998f3b4710529dd9fb976bfd20e95a2b0e

ecce8f68ee1537fe5000ba1e94b3da3edb80affe

5e6cb75078107a39dd3bf50fdb66a868538cf581

26e9098939d44fb6b6ce4dda9e41b16c04efd4e9

2994c0518bf1788feb045cd77e3d157470f4825e

6847d2fd73f6ed0f3a2a8c03287a89d54054cc81

654dcf58a214c38e9168c64027462aff7a57ed84

5c8384f17e6d7fe97b62a22044602f486aac495a

df5d9659aec62ce6c99adcb43c5e5b2eb6c57121

c4cf0758c1dd9bc3259c45969674e59c20d6ec9a

91d93ff0e75c1726b1ef7f39f491cfe3f2a1d4b8

3644a0ce2137119a512a06ca23f3dfbab97dea81

fcfee509e4454a0188d6d446b2bcf88925fdf723


72d0054459095c72e4c29ab9e6a87d1ea11c849d

658c88036ffd284d5d3ae53e7df5340e8fabdee7

94d6a0b1b54935f135d347d23beb81a54940c483

2a65e4e8bd8fe07d77a05e9409f0fa184e028819

63518ccf108862e5c75679ad8b022ac2ff714187

0c155001395e9a479c811c7ba6def200640d72f4

67189ac84c2007f06691ef1b41d111d860f14d8f

3adb95c498effe566c27897b34a1a3cb78697328

89e98e243299f423a6ec2a1c604ae2aa7868cee7

4083f313324903b36823502a71ff7e48c5165b6a

ae2473fb601692e7c28fccc19f5e66d74a39a552

9acb508034b8a34d013fede6650fecdf5ca180aa

63b3b3396c2e7b846c91157ed43554b43db9ff0f

f747cd316cc8953ad470aacb0134f2267d707a36

4cc4545fc3d4e8aecf4951a839a9927e28139bd5

6db94a15f84ea23eac176bbca2bf9b621e05b710

0ad0b90fe106845743806aed1c7e4c4c6c591fca

7e57e20ae032981d05fb927c4ded2aec0a563235

7961bf332456651c7e2c06f735fb94c3732194d3

d33811dcd7c309ea44b270c23dfc4c44762add69

f360de37e7cc5a18a141c30a0b7ff5c533f86a2a

bb7a23ea7071329e95417704bfd9d9e411625186

9b9eb5a4261abdf67a51989a006f41f0dee5f306

1cd925681e977295a9bc3a345361721a1de96d80

b74920ab086a05c01f3213130e63995b6777b25a

0f3a007c1746ef8c41481fac87f992fd470486d5

6f67ec9eb3bbb85550e1cc50575a57fdcf61484e



文章标签：
机器学习/深度学习
分布式计算
Hadoop
小猫吃鱼569
目录
相关文章
格林威
|
机器学习/深度学习 算法 定位技术
Baumer工业相机堡盟工业相机如何通过YoloV8深度学习模型实现裂缝的检测识别（C#代码UI界面版）
本项目基于YOLOv8模型与C#界面，结合Baumer工业相机，实现裂缝的高效检测识别。支持图像、视频及摄像头输入，具备高精度与实时性，适用于桥梁、路面、隧道等多种工业场景。
格林威
1397 27
AI研究者手札
|
12月前
|
机器学习/深度学习 传感器 人工智能
火灾火焰识别数据集（2200张图片已划分、已标注）｜适用于YOLO系列深度学习分类检测任务【数据集分享】
在人工智能和计算机视觉的快速发展中，火灾检测与火焰识别逐渐成为智慧城市、公共安全和智能监控的重要研究方向。一个高质量的数据集往往是推动相关研究的核心基础。本文将详细介绍一个火灾火焰识别数据集，该数据集共包含 2200 张图片，并已按照 训练集（train）、验证集（val）、测试集（test） 划分，同时配有对应的标注文件，方便研究者快速上手模型训练与评估。
AI研究者手札
4560 10
火灾火焰识别数据集（2200张图片已划分、已标注）｜适用于YOLO系列深度学习分类检测任务【数据集分享】
AI研究者手札
|
12月前
|
机器学习/深度学习 人工智能 监控
河道塑料瓶识别标准数据集 | 科研与项目必备（图片已划分、已标注）| 适用于YOLO系列深度学习分类检测任务【数据集分享】
随着城市化进程加快和塑料制品使用量增加，河道中的塑料垃圾问题日益严重。塑料瓶作为河道漂浮垃圾的主要类型，不仅破坏水体景观，还威胁水生生态系统的健康。传统的人工巡查方式效率低、成本高，难以满足实时监控与治理的需求。
AI研究者手札
680 8
AI研究者手札
|
12月前
|
机器学习/深度学习 人工智能 监控
坐姿标准好坏姿态数据集（图片已划分、已标注）｜适用于YOLO系列深度学习分类检测任务【数据集分享】
坐姿标准好坏姿态数据集的发布，填补了计算机视觉领域在“细分健康行为识别”上的空白。它不仅具有研究价值，更在实际应用层面具备广阔前景。从青少年的健康教育，到办公室的智能提醒，再到驾驶员的安全监控和康复训练，本数据集都能发挥巨大的作用。
AI研究者手札
1062 4
坐姿标准好坏姿态数据集（图片已划分、已标注）｜适用于YOLO系列深度学习分类检测任务【数据集分享】
AI研究者手札
|
12月前
|
机器学习/深度学习 数据采集 算法
PCB电路板缺陷检测数据集（近千张图片已划分、已标注）| 适用于YOLO系列深度学习检测任务【数据集分享】
在现代电子制造中，印刷电路板（PCB）是几乎所有电子设备的核心组成部分。随着PCB设计复杂度不断增加，人工检测PCB缺陷不仅效率低，而且容易漏检或误判。因此，利用计算机视觉和深度学习技术对PCB缺陷进行自动检测成为行业发展的必然趋势。
AI研究者手札
2499 1
PCB电路板缺陷检测数据集（近千张图片已划分、已标注）| 适用于YOLO系列深度学习检测任务【数据集分享】
AI研究者手札
|
12月前
|
机器学习/深度学习 自动驾驶 算法
道路表面缺陷数据集（裂缝/井盖/坑洼）（6000张图片已划分、已标注）｜适用于YOLO系列深度学习分类检测任务【数据集分享】
随着城市化与交通运输业的快速发展，道路基础设施的健康状况直接关系到出行安全与城市运行效率。长期高强度的使用、气候变化以及施工质量差异，都会导致道路表面出现裂缝、坑洼、井盖下沉及修补不良等缺陷。这些问题不仅影响驾驶舒适度，还可能引发交通事故，增加道路养护成本。
AI研究者手札
1766 0
道路表面缺陷数据集（裂缝/井盖/坑洼）（6000张图片已划分、已标注）｜适用于YOLO系列深度学习分类检测任务【数据集分享】
AI研究者手札
|
机器学习/深度学习 人工智能 监控
单车、共享单车已标注数据集（图片已划分、已标注）｜适用于深度学习检测任务【数据集分享】
数据是人工智能的“燃料”。一个高质量、标注精准的单车与共享单车数据集，不仅能够推动学术研究的进步，还能为智慧交通、智慧城市的建设提供有力支撑。 在计算机视觉领域，研究者们常常会遇到“数据鸿沟”问题：公开数据集与真实业务需求之间存在不匹配。本次分享的数据集正是为了弥补这一不足，使得研究人员与工程师能够快速切入单车检测领域，加速模型从实验室走向真实应用场景。
AI研究者手札
757 0
AI大王Alex
|
机器学习/深度学习 存储 监控
基于深度学习YOLO框架的城市道路损伤检测与评估项目系统【附完整源码+数据集】
本项目基于深度学习的YOLO框架，成功实现了城市道路损伤的自动检测与评估。通过YOLOv8模型，我们能够高效地识别和分类路面裂缝、井盖移位、坑洼路面等常见的道路损伤类型。系统的核心优势在于其高效性和实时性，能够实时监控城市道路，自动标注损伤类型，并生成损伤评估报告。
AI大王Alex
684 0
基于深度学习YOLO框架的城市道路损伤检测与评估项目系统【附完整源码+数据集】
AI研究者手札
|
机器学习/深度学习 人工智能 编解码
AI虫子种类识别数据集（近3000张图片已划分、已标注）｜适用于YOLO系列深度学习分类检测任务【数据集分享】
本数据集包含近3000张已划分、标注的虫子图像，适用于YOLO系列模型的目标检测与分类任务。涵盖7类常见虫子，标注采用YOLO格式，结构清晰，适合农业智能化、小样本学习及边缘部署研究。数据来源多样，标注精准，助力AI虫害识别落地应用。
AI研究者手札
942 0

热门文章

最新文章

  • 1
    报错：SemanticException org.apache.hadoop.hive.ql.metadata.HiveException: java.lang.RuntimeException：Un
  • 2
    Hadoop与机器学习的融合：案例研究
  • 3
    hadoop初学者MapReduce常见错误
  • 4
    Flume1.5.0的安装、部署、简单应用(含伪分布式、与hadoop2.2.0、hbase0.96的案例)
  • 5
    hadoop2.2.0伪分布式安装
  • 6
    搭建Hadoop运行环境
  • 7
    Storm与Spark、Hadoop三种框架对比
  • 8
    hadoop部署hive小记
  • 9
    Hadoop多用户资源管理–Fair Scheduler介绍与配置（Yarn）
  • 10
    说到作到，HADOOP双节点配置成功
  • 1
    基于python大数据深度学习的酒店评论文本情感分析系统
    938
  • 2
    基于深度学习的客流量预测系统
    778
  • 3
    29_序列标注技术详解：从HMM到深度学习
    904
  • 4
    基于yolo8的深度学习室内火灾监测识别系统
    1040
  • 5
    PyTorch深度学习 ? 带你从入门到精通！！！
    643
  • 6
    深度学习实战指南：从神经网络基础到模型优化的完整攻略
    669
  • 7
    机器会“看病”？深度学习正在颠覆医学成像！
    642
  • 8
    【WOA-CNN-LSTM】基于鲸鱼算法优化深度学习预测模型的超参数研究（Matlab代码实现）
    623
  • 9
    运维日志里的“读心术”：深度学习能看出啥？
    500
  • 10
    【深度学习】基于最小误差法的胸片分割系统（Matlab代码实现）
    221

    • 相关课程

    更多
  • 大数据实战项目：反爬虫系统（Lua+Spark+Redis+Hadoop框架搭建）第一阶段
  • 大数据实战项目 - 反爬虫系统（Lua+Spark+Redis+Hadoop框架搭建）第六阶段
  • 大数据实战项目 - 反爬虫系统（Lua+Spark+Redis+Hadoop框架搭建）第七阶段
  • 大数据Hadoop快速入门
  • Hadoop快速入门
  • Hadoop企业优化及扩展案例

    • 相关电子书

    更多
  • 《构建Hadoop生态批流一体的实时数仓》
  • 零基础实现hadoop 迁移 MaxCompute 之 数据
  • CIO 指南:如何在SAP软件架构中使用Hadoop

    • 相关实验场景

    更多
  • 搭建Hadoop环境
    • 下一篇
    一条命令迁移，帮你实现 OpenClaw 与 Hermes Agent 记忆互通！