realtime fraud detection with gnn on dgl:使用Amazon SageMaker和Deep Graph Library(D
基于DGL的图形神经网络实时欺诈检测 它是使用图数据库 , 和来从表格数据构建异构图并训练图神经网络(GNN)模型以检测欺诈行为的端到端实时欺诈检测解决方案。 解决方案的架构 此解决方案由以下组成, 欺诈检测解决方案堆栈 嵌套模型训练和部署堆栈 嵌套实时欺诈检测堆栈 嵌套事务仪表板堆栈 模型训练和部署堆栈 模型培训和部署管道由精心安排,如下图所示, 仪表板堆栈 它创建一个基于React的Web门户,该门户观察该解决方案检测到的近期欺诈交易。该Web应用程序还由 , , , , 和编排。 如何训练模型和部署推理端点 此解决方案后,转到AWS控制台中的AWS Step Functions,然后以ModelTrainingPipeline开头启动状态机。 您可以输入以下参数以覆盖模型训练的默认参数, { " trainingJob " : { " hyperparamet
文件列表
realtime-fraud-detection-with-gnn-on-dgl:使用Amazon SageMaker和Deep Graph Library（DGL）的实时欺诈检测（利用图形数据库Neptune）的端到端解决方案，可从表格数据构建异构图形并训练Graph Neural Network（GNN）模型来检测欺诈行为IEEE-CIS数据集中的事务
(预估有个147文件)
.gitignore
805B
tasks.json
6KB
.gitmodules
139B
build_and_push_docker.ipynb
32KB
Dockerfile
676B
FD_SL_Endpoint_Deployment.ipynb
4KB
FD_SL_Build_Training_Container_Test_Local.ipynb
39KB
FD_SL_Training_BYO_Codes.ipynb
53KB
FD_SL_Training-BYO_Container.ipynb
44KB
.gitignore
559B
暂无评论