LuanVan.vnLuận Văn
Gửi thư

Building a machine learning operations platform and data experimentation for Anti-money laundering detection

Đồ án tốt nghiệp · Đại học · năm 2024 · đề tài tham khảo

Loại tài liệuĐồ án tốt nghiệp
Bậc họcĐại học
NgànhCông nghệ thông tin
Tác giảVan Hong Son Than
Người hướng dẫnDang Thien Binh
Cơ sở đào tạoTrường Đại học Bách khoa, Đại học Đà Nẵng
Năm2024
NguồnThư viện số Trường Đại học Bách khoa, Đại học Đà Nẵng · trang gốc

Tóm tắt

With the robust development of cloud computing, the explosion of big data, and the continuous advancement of science and technology, machine learning (ML) has been and is being widely applied across various industries. The arising issue is how to increase the performance and reliability of ML applications and minimize the go-tomarket time in the process of building and applying AI/ML. As a result, a series of standards for operating and deploying ML projects have gradually been formed, opening up a completely new direction for Machine Learning Engineers and Data Scientists, known as Machine Learning Operations or MLOps. This aims to accelerate the process of bringing ML products to production more quickly and efficiently. In this thesis, I have integrated the Machine Learning Operations (MLOps) into Anti-Money Laundering (AML) detection enhances the ability of financial institutions to identify and prevent money laundering activities. This approach involves the use of machine learning models and automated processes to improve the efficiency and accuracy of AML systems.
Bản toàn văn lưu tại thư viện Trường Đại học Bách khoa, Đại học Đà Nẵng

Thông tin và tóm tắt ở trên lấy từ kho số mở của thư viện trường. Bản toàn văn do thư viện trường quản lý — có nơi cho đọc trực tuyến, có nơi cần tài khoản bạn đọc của trường.

Mở tại thư viện trường ↗
Dùng tài liệu tham khảo cho đúng
  • Đọc để hiểu cách người trước đặt câu hỏi, chọn phương pháp, trình bày số liệu — rồi tự làm với dữ liệu và bối cảnh của bạn.
  • Ý, số liệu, bảng biểu lấy từ tài liệu này phải trích dẫn (tác giả, năm, tên đề tài, cơ sở đào tạo).
  • Đề tài trùng tên vẫn làm được nếu khác đơn vị khảo sát, thời gian hoặc cách tiếp cận — nêu rõ điểm khác trong phần mở đầu.

Hướng dẫn chọn đề tài, cấu trúc và số liệu cho ngành này: Luận văn công nghệ thông tin · Hỏi đáp từng chương với người hướng dẫn số: Học Giả Số · Công cụ số: Luận Văn Số.

Đề tài cùng ngành

Tác giả muốn gỡ, sửa thông tin hoặc bổ sung bản toàn văn: gửi yêu cầu qua trang Liên hệ, kèm đường dẫn trang này.