Titre : | Une Architecture Hybride IoT-Big Data Analytics pour détection de fraude relative à la consommation d'eau et d'électricité | Type de document : | projet fin études | Auteurs : | Rida AMINE, Auteur | Année de publication : | 2017 | Langues : | Français (fre) | Catégories : | Génie Logiciel
| Mots-clĂ©s : | Big Data, Analytics, Architecture applicative, Architecture fonctionnelle, Architecture technique, Architecture infrastructure, Fraude, Système de dĂ©tection de fraude, Système expert, Machine Learning | Index. dĂ©cimale : | 1766/17 | RĂ©sumĂ© : | Le présent document constitue la synthèse de notre travail, réalisé dans le cadre de projet de fin d’études, au sein de bSuccess. Ce dernier a pour objectif de mettre en place un système de détection de fraude pour le client Lydec, qui vise à améliorer ce processus. La solution consiste à adopter une approche Machine Learning pour la détection de fraude. Cette approche permet de détecter la fraude avec plus de précision que le système existant.
Notre projet avait pour mission la conception et la mise en place d’une infrastructure Big Data Analytics qui va permettre de développer un tel système en utilisant des architectures applicatives, fonctionnelles, techniques et infrastructures. Après avoir utilisé du Machine Learning pour créer un système de détection de fraude qui sera en ligne en utilisant les composants disponibles dans l'infrastructure élaborée.
|
Une Architecture Hybride IoT-Big Data Analytics pour détection de fraude relative à la consommation d'eau et d'électricité [projet fin études] / Rida AMINE, Auteur . - 2017. Langues : Français ( fre) Catégories : | Génie Logiciel
| Mots-clĂ©s : | Big Data, Analytics, Architecture applicative, Architecture fonctionnelle, Architecture technique, Architecture infrastructure, Fraude, Système de dĂ©tection de fraude, Système expert, Machine Learning | Index. dĂ©cimale : | 1766/17 | RĂ©sumĂ© : | Le présent document constitue la synthèse de notre travail, réalisé dans le cadre de projet de fin d’études, au sein de bSuccess. Ce dernier a pour objectif de mettre en place un système de détection de fraude pour le client Lydec, qui vise à améliorer ce processus. La solution consiste à adopter une approche Machine Learning pour la détection de fraude. Cette approche permet de détecter la fraude avec plus de précision que le système existant.
Notre projet avait pour mission la conception et la mise en place d’une infrastructure Big Data Analytics qui va permettre de développer un tel système en utilisant des architectures applicatives, fonctionnelles, techniques et infrastructures. Après avoir utilisé du Machine Learning pour créer un système de détection de fraude qui sera en ligne en utilisant les composants disponibles dans l'infrastructure élaborée.
|
|