মধ্যে প্রথম পোস্ট এই তিন-অংশের সিরিজের, আমরা একটি সমাধান উপস্থাপন করেছি যা দেখায় যে আপনি কীভাবে বন্ধকী আন্ডাররাইটিং ব্যবহারের ক্ষেত্রে AWS AI এবং মেশিন লার্নিং (ML) পরিষেবাগুলি ব্যবহার করে নথি টেম্পারিং এবং জালিয়াতি সনাক্তকরণ স্বয়ংক্রিয়ভাবে করতে পারেন৷
মধ্যে দ্বিতীয় পোস্ট, আমরা মর্টগেজ আন্ডাররাইটিং-এ নকল ছবি সনাক্ত এবং হাইলাইট করার জন্য একটি গভীর শিক্ষা-ভিত্তিক কম্পিউটার ভিশন মডেল বিকাশের একটি পদ্ধতি নিয়ে আলোচনা করেছি।
এই পোস্টে, আমরা একটি এমএল মডেল এবং ব্যবসা-সংজ্ঞায়িত নিয়ম ব্যবহার করে বন্ধকী নথি জালিয়াতি সনাক্তকরণ স্বয়ংক্রিয় করার একটি সমাধান উপস্থাপন করছি আমাজন জালিয়াতি সনাক্তকারী.
সমাধান ওভারভিউ
আমরা প্রতারণামূলক কার্যকলাপ সনাক্তকরণ স্বয়ংক্রিয় করতে Amazon Fraud Detector, একটি সম্পূর্ণরূপে পরিচালিত জালিয়াতি সনাক্তকরণ পরিষেবা ব্যবহার করি। নথি জালিয়াতিকে সক্রিয়ভাবে চিহ্নিত করার মাধ্যমে জালিয়াতির পূর্বাভাস নির্ভুলতা উন্নত করার লক্ষ্যে, আন্ডাররাইটিং সঠিকতা উন্নত করার সময়, Amazon Fraud Detector আপনাকে একটি ঐতিহাসিক ডেটাসেট ব্যবহার করে কাস্টমাইজড জালিয়াতি সনাক্তকরণ মডেল তৈরি করতে, অন্তর্নির্মিত নিয়ম ইঞ্জিন ব্যবহার করে কাস্টমাইজড সিদ্ধান্তের যুক্তি কনফিগার করতে এবং ঝুঁকির সিদ্ধান্ত অর্কেস্ট্রেট করতে সহায়তা করে। একটি বোতামে ক্লিক করে ওয়ার্কফ্লো হয়।
নিচের চিত্রটি একটি বন্ধকী নথি জালিয়াতি সনাক্তকরণ পাইপলাইনের প্রতিটি পর্যায়কে উপস্থাপন করে।
আমরা এখন বন্ধকী নথি জালিয়াতি সনাক্তকরণ পাইপলাইনের তৃতীয় উপাদানটি কভার করব। এই উপাদানটি স্থাপন করার পদক্ষেপগুলি নিম্নরূপ:
- ঐতিহাসিক তথ্য আপলোড করুন আমাজন সিম্পল স্টোরেজ সার্ভিস (Amazon S3)।
- আপনার বিকল্প নির্বাচন করুন এবং মডেল প্রশিক্ষণ.
- মডেল তৈরি করুন।
- মডেল কর্মক্ষমতা পর্যালোচনা.
- মডেল স্থাপন.
- একটি আবিষ্কারক তৈরি করুন।
- মডেল স্কোর ব্যাখ্যা করার নিয়ম যোগ করুন।
- ভবিষ্যদ্বাণী করতে API স্থাপন করুন।
পূর্বশর্ত
এই সমাধানের জন্য নিম্নলিখিত পূর্বশর্ত পদক্ষেপগুলি রয়েছে:
- একটি AWS অ্যাকাউন্টের জন্য সাইন আপ করুন।
- অনুমতি সেট আপ করুন যা আপনার AWS অ্যাকাউন্টকে অ্যামাজন জালিয়াতি সনাক্তকারী অ্যাক্সেস করতে দেয়।
- নিম্নলিখিত প্রয়োজনীয়তাগুলির সাথে জালিয়াতি সনাক্তকারী মডেলকে প্রশিক্ষণ দেওয়ার জন্য ব্যবহৃত ঐতিহাসিক জালিয়াতির ডেটা সংগ্রহ করুন:
- ডেটা অবশ্যই CSV ফর্ম্যাটে হতে হবে এবং শিরোনাম থাকতে হবে৷
- দুটি শিরোনাম প্রয়োজন:
EVENT_TIMESTAMP
এবংEVENT_LABEL
. - ডেটা অবশ্যই পরিষেবা দ্বারা সমর্থিত একটি AWS অঞ্চলে Amazon S3-এ থাকতে হবে৷
- আপনি প্রশিক্ষণের আগে একটি ডেটা প্রোফাইল চালানোর জন্য অত্যন্ত সুপারিশ করা হয় (একটি ব্যবহার করুন অ্যামাজন জালিয়াতি সনাক্তকারীর জন্য স্বয়ংক্রিয় ডেটা প্রোফাইলার).
- কমপক্ষে 3-6 মাসের ডেটা ব্যবহার করার পরামর্শ দেওয়া হয়।
- জালিয়াতি পরিপক্ক হতে সময় লাগে; 1-3 মাস পুরানো ডেটা সুপারিশ করা হয় (খুব সাম্প্রতিক নয়)।
- কিছু NULL এবং অনুপস্থিত মান গ্রহণযোগ্য (কিন্তু অনেক বেশি এবং পরিবর্তনশীল উপেক্ষা করা হয়েছে, যেমন আলোচনা করা হয়েছে অনুপস্থিত বা ভুল পরিবর্তনশীল প্রকার).
Amazon S3 এ ঐতিহাসিক তথ্য আপলোড করুন
আপনার কাছে একটি জালিয়াতি সনাক্তকারী মডেল প্রশিক্ষণের জন্য কাস্টম ঐতিহাসিক ডেটা ফাইল থাকার পরে, একটি S3 বালতি তৈরি করুন এবং বালতিতে ডেটা আপলোড করুন৷
বিকল্প নির্বাচন করুন এবং মডেল প্রশিক্ষণ
একটি জালিয়াতি সনাক্তকারী মডেল তৈরি এবং প্রশিক্ষণের পরবর্তী পদক্ষেপ হল প্রতারণার মূল্যায়ন করার জন্য ব্যবসায়িক কার্যকলাপ (ইভেন্ট) সংজ্ঞায়িত করা। একটি ইভেন্টকে সংজ্ঞায়িত করার জন্য আপনার ডেটাসেটে ভেরিয়েবল সেট করা, ইভেন্টটি শুরু করা একটি সত্তা এবং ইভেন্টকে শ্রেণীবদ্ধ করে এমন লেবেলগুলি অন্তর্ভুক্ত করে৷
ডকুমেন্ট জালিয়াতি সনাক্ত করতে একটি ডকফ্রড ইভেন্ট সংজ্ঞায়িত করার জন্য নিম্নলিখিত পদক্ষেপগুলি সম্পূর্ণ করুন, যেটি সত্তা আবেদনকারী বন্ধক দ্বারা শুরু করা হয়, একটি নতুন বন্ধকী আবেদনের উল্লেখ করে:
- অ্যামাজন জালিয়াতি সনাক্তকারী কনসোলে, নির্বাচন করুন ঘটনাবলী নেভিগেশন ফলকে।
- বেছে নিন সৃষ্টি.
- অধীনে ইভেন্ট টাইপ বিবরণপ্রবেশ করান
docfraud
ইভেন্ট টাইপ নাম হিসাবে এবং, ঐচ্ছিকভাবে, ইভেন্টের একটি বিবরণ লিখুন। - বেছে নিন সত্তা তৈরি করুন.
- উপরে সত্তা তৈরি করুন পৃষ্ঠা, লিখুন
applicant_mortgage
সত্তার প্রকারের নাম হিসাবে এবং ঐচ্ছিকভাবে, সত্তার প্রকারের একটি বিবরণ লিখুন। - বেছে নিন সত্তা তৈরি করুন.
- অধীনে ইভেন্ট ভেরিয়েবলজন্য এই ইভেন্টের ভেরিয়েবলগুলি কীভাবে সংজ্ঞায়িত করবেন তা চয়ন করুন৷নির্বাচন একটি প্রশিক্ষণ ডেটাসেট থেকে ভেরিয়েবল নির্বাচন করুন.
- জন্য আইএএম ভূমিকানির্বাচন আইএএম ভূমিকা তৈরি করুন.
- উপরে আইএএম ভূমিকা তৈরি করুন পৃষ্ঠায়, আপনার উদাহরণ ডেটা সহ S3 বালতির নাম লিখুন এবং চয়ন করুন ভূমিকা তৈরি করুন.
- জন্য ডেটা অবস্থান, আপনার ঐতিহাসিক তথ্য পাথ লিখুন. এটি হল S3 URI পাথ যা আপনি ঐতিহাসিক ডেটা আপলোড করার পরে সংরক্ষণ করেছেন৷ পথের অনুরূপ
S3://your-bucket-name/example dataset filename.csv
. - বেছে নিন আপলোড.
ভেরিয়েবলগুলি ডেটা উপাদানগুলির প্রতিনিধিত্ব করে যা আপনি একটি জালিয়াতির পূর্বাভাসে ব্যবহার করতে চান৷ এই ভেরিয়েবলগুলি ইভেন্ট ডেটাসেট থেকে নেওয়া যেতে পারে যা আপনি আপনার মডেলকে প্রশিক্ষণের জন্য প্রস্তুত করেছেন, আপনার Amazon Fraud Detector মডেলের ঝুঁকি স্কোর আউটপুট থেকে বা আমাজন সেজমেকার মডেল ইভেন্ট ডেটাসেট থেকে নেওয়া ভেরিয়েবল সম্পর্কে আরও তথ্যের জন্য, দেখুন ডেটা মডেল এক্সপ্লোরার ব্যবহার করে ইভেন্ট ডেটাসেটের প্রয়োজনীয়তা পান.
- অধীনে লেবেল - ঐচ্ছিকজন্য লেবেলগুলিনির্বাচন নতুন লেবেল তৈরি করুন.
- উপরে লেবেল তৈরি করুন পৃষ্ঠা, লিখুন
fraud
নাম হিসাবে এই লেবেলটি সেই মানের সাথে মিলে যায় যা উদাহরণ ডেটাসেটে প্রতারণামূলক বন্ধকী আবেদনের প্রতিনিধিত্ব করে। - বেছে নিন লেবেল তৈরি করুন.
- নামে একটি দ্বিতীয় লেবেল তৈরি করুন
legit
. এই লেবেলটি সেই মানের সাথে মিলে যায় যা উদাহরণ ডেটাসেটে বৈধ বন্ধকী আবেদনের প্রতিনিধিত্ব করে। - বেছে নিন ইভেন্টের ধরন তৈরি করুন.
নিম্নলিখিত স্ক্রিনশট আমাদের ইভেন্টের প্রকারের বিবরণ দেখায়।
নিম্নলিখিত স্ক্রিনশট আমাদের ভেরিয়েবল দেখায়.
নিম্নলিখিত স্ক্রিনশট আমাদের লেবেল দেখায়.
মডেল তৈরি করুন
আপনি ঐতিহাসিক ডেটা লোড করার পরে এবং একটি মডেলকে প্রশিক্ষণের জন্য প্রয়োজনীয় বিকল্পগুলি নির্বাচন করার পরে, একটি মডেল তৈরি করতে নিম্নলিখিত পদক্ষেপগুলি সম্পূর্ণ করুন:
- অ্যামাজন জালিয়াতি সনাক্তকারী কনসোলে, নির্বাচন করুন মডেল নেভিগেশন ফলকে।
- বেছে নিন মডেল যোগ করুন, এবং তারপর নির্বাচন করুন মডেল তৈরি করুন.
- উপরে মডেলের বিবরণ সংজ্ঞায়িত করুন পৃষ্ঠা, লিখুন
mortgage_fraud_detection_model
মডেলের নাম এবং মডেলের ঐচ্ছিক বিবরণ হিসাবে। - জন্য মডেলের ধরন, পছন্দ করা অনলাইন জালিয়াতি অন্তর্দৃষ্টি মডেল.
- জন্য ইভেন্টের ধরণনির্বাচন
docfraud
. এটি ইভেন্টের ধরন যা আপনি আগে তৈরি করেছেন। - মধ্যে ঐতিহাসিক ঘটনা তথ্য বিভাগে, নিম্নলিখিত তথ্য প্রদান করুন:
- জন্য ইভেন্ট ডেটা উৎসনির্বাচন সংরক্ষিত ইভেন্ট ডেটা S3 (বা AFD) এ আপলোড করা হয়েছে.
- জন্য আইএএম ভূমিকা, আপনি আগে তৈরি করা ভূমিকা নির্বাচন করুন.
- জন্য প্রশিক্ষণ তথ্য অবস্থান, আপনার উদাহরণ ডেটা ফাইলে S3 URI পাথ লিখুন।
- বেছে নিন পরবর্তী.
- মধ্যে মডেল ইনপুট বিভাগে, সমস্ত চেকবক্স চেক করা ছেড়ে দিন। ডিফল্টরূপে, Amazon Fraud Detector মডেল ইনপুট হিসাবে আপনার ঐতিহাসিক ইভেন্ট ডেটাসেট থেকে সমস্ত ভেরিয়েবল ব্যবহার করে।
- মধ্যে লেবেল শ্রেণীবিভাগ বিভাগ, জন্য জালিয়াতি লেবেলনির্বাচন
fraud
, যা সেই মানের সাথে মিলে যায় যা উদাহরণ ডেটাসেটে প্রতারণামূলক ইভেন্টগুলিকে উপস্থাপন করে৷ - জন্য বৈধ লেবেলনির্বাচন
legit
, যা সেই মানের সাথে মিলে যায় যা উদাহরণ ডেটাসেটে বৈধ ইভেন্টের প্রতিনিধিত্ব করে। - জন্য লেবেলবিহীন ইভেন্ট, ডিফল্ট নির্বাচন রাখুন লেবেলবিহীন ইভেন্টগুলি উপেক্ষা করুন এই উদাহরণ ডেটাসেটের জন্য।
- বেছে নিন পরবর্তী.
- আপনার সেটিংস পর্যালোচনা করুন, তারপর চয়ন করুন মডেল তৈরি করুন এবং প্রশিক্ষণ দিন.
Amazon Fraud Detector একটি মডেল তৈরি করে এবং মডেলটির একটি নতুন সংস্করণকে প্রশিক্ষণ দেওয়া শুরু করে৷
উপরে মডেল সংস্করণ পৃষ্ঠা, অবস্থা কলাম মডেল প্রশিক্ষণের অবস্থা নির্দেশ করে। মডেল প্রশিক্ষণ যা উদাহরণ ডেটাসেট ব্যবহার করে তা সম্পূর্ণ হতে প্রায় 45 মিনিট সময় নেয়। স্থিতি পরিবর্তিত হয় স্থাপনের জন্য প্রস্তুত মডেল প্রশিক্ষণ শেষ হওয়ার পর।
মডেল কর্মক্ষমতা পর্যালোচনা
মডেল প্রশিক্ষণ সম্পূর্ণ হওয়ার পরে, Amazon Fraud Detector আপনার 15% ডেটা ব্যবহার করে মডেলের কার্যকারিতা যাচাই করে যা মডেলটিকে প্রশিক্ষণের জন্য ব্যবহার করা হয়নি এবং মডেলের কর্মক্ষমতা মূল্যায়ন করার জন্য একটি স্কোর বিতরণ চার্ট এবং বিভ্রান্তি ম্যাট্রিক্স সহ বিভিন্ন সরঞ্জাম সরবরাহ করে।
মডেলের কর্মক্ষমতা দেখতে, নিম্নলিখিত পদক্ষেপগুলি সম্পূর্ণ করুন:
- অ্যামাজন জালিয়াতি সনাক্তকারী কনসোলে, নির্বাচন করুন মডেল নেভিগেশন ফলকে।
- আপনি সবেমাত্র প্রশিক্ষিত মডেলটি চয়ন করুন (
sample_fraud_detection_model
), তাহলে বেছে নাও 1.0. এটি আপনার মডেলের তৈরি অ্যামাজন ফ্রড ডিটেক্টর সংস্করণ। - পর্যালোচনা মডেল কর্মক্ষমতা সামগ্রিক স্কোর এবং অন্যান্য সমস্ত মেট্রিক্স যা Amazon ফ্রড ডিটেক্টর এই মডেলের জন্য তৈরি করেছে।
মডেল মোতায়েন করুন
আপনি আপনার প্রশিক্ষিত মডেলের পারফরম্যান্স মেট্রিক্স পর্যালোচনা করার পরে এবং এটি ব্যবহার করতে প্রস্তুত জালিয়াতির পূর্বাভাস তৈরি করার পরে, আপনি মডেলটি স্থাপন করতে পারেন:
- অ্যামাজন জালিয়াতি সনাক্তকারী কনসোলে, নির্বাচন করুন মডেল নেভিগেশন ফলকে।
- মডেল নির্বাচন করুন
sample_fraud_detection_model
, এবং তারপর নির্দিষ্ট মডেল সংস্করণ নির্বাচন করুন যা আপনি স্থাপন করতে চান। এই পোস্টের জন্য, নির্বাচন করুন 1.0. - উপরে মডেল সংস্করণ পৃষ্ঠা, উপর কার্যপ্রণালী মেনু, নির্বাচন করুন মডেল সংস্করণ স্থাপন.
উপরে মডেল সংস্করণ পৃষ্ঠা, অবস্থা স্থাপনার অবস্থা দেখায়। স্থিতি পরিবর্তিত হয় সক্রিয় যখন স্থাপনা সম্পূর্ণ হয়। এটি নির্দেশ করে যে মডেল সংস্করণটি সক্রিয় এবং জালিয়াতির পূর্বাভাস তৈরি করার জন্য উপলব্ধ।
একটি আবিষ্কারক তৈরি করুন
আপনি মডেল স্থাপন করার পরে, আপনি এর জন্য একটি আবিষ্কারক তৈরি করুন docfraud
ইভেন্টের ধরন এবং স্থাপন করা মডেল যোগ করুন। নিম্নলিখিত পদক্ষেপগুলি সম্পূর্ণ করুন:
- অ্যামাজন জালিয়াতি সনাক্তকারী কনসোলে, নির্বাচন করুন ডিটেক্টর নেভিগেশন ফলকে।
- বেছে নিন সনাক্তকারী তৈরি করুন.
- উপরে আবিষ্কারক বিবরণ সংজ্ঞায়িত করুন পৃষ্ঠা, লিখুন
fraud_detector
ডিটেক্টর নামের জন্য এবং ঐচ্ছিকভাবে, ডিটেক্টরের জন্য একটি বিবরণ লিখুন, যেমন আমার নমুনা জালিয়াতি সনাক্তকারী। - জন্য ইভেন্টের ধরণনির্বাচন
docfraud
. এই ইভেন্ট আপনি আগে তৈরি. - বেছে নিন পরবর্তী.
ব্যাখ্যা করতে নিয়ম যোগ করুন
আপনি Amazon Fraud Detector মডেল তৈরি করার পরে, আপনি Amazon Fraud Detector কনসোল বা অ্যাপ্লিকেশন প্রোগ্রামিং ইন্টারফেস (API) ব্যবহার করতে পারেন ব্যবসা-চালিত নিয়মগুলি সংজ্ঞায়িত করতে (যে শর্তগুলি Amazon Fraud Detector কে বলে যে প্রতারণার পূর্বাভাসের মূল্যায়ন করার সময় মডেলের পারফরম্যান্স স্কোর কীভাবে ব্যাখ্যা করতে হয়) . মর্টগেজ আন্ডাররাইটিং প্রক্রিয়ার সাথে সারিবদ্ধ করার জন্য, আপনি বন্ধকী অ্যাপ্লিকেশনগুলিকে ফ্ল্যাগ করার জন্য নিয়ম তৈরি করতে পারেন সংশ্লিষ্ট ঝুঁকির মাত্রা অনুযায়ী এবং ম্যাপ করা জালিয়াতি, বৈধ, বা যদি একটি পর্যালোচনার প্রয়োজন হয়।
উদাহরণস্বরূপ, প্রয়োজনীয় নথির টেম্পার করা ছবি, পেস্টাব বা আয়ের প্রয়োজনীয়তার মতো অনুপস্থিত নথি ইত্যাদির মতো পরামিতিগুলি বিবেচনা করে আপনি উচ্চ জালিয়াতির ঝুঁকি সহ বন্ধকী আবেদনগুলি স্বয়ংক্রিয়ভাবে প্রত্যাখ্যান করতে চাইতে পারেন৷ অন্যদিকে, কার্যকর সিদ্ধান্ত নেওয়ার জন্য কিছু অ্যাপ্লিকেশনের লুপের মধ্যে একজন মানুষের প্রয়োজন হতে পারে।
Amazon Fraud Detector মডেল স্কোর তৈরি করতে সমষ্টিগত মান (একটি কাঁচা ভেরিয়েবলের সেট একত্রিত করে গণনা করা হয়) এবং কাঁচা মান (ভেরিয়েবলের জন্য দেওয়া মান) ব্যবহার করে। মডেল স্কোর 0-1000 এর মধ্যে হতে পারে, যেখানে 0 কম জালিয়াতির ঝুঁকি নির্দেশ করে এবং 1000 উচ্চ জালিয়াতির ঝুঁকি নির্দেশ করে।
সংশ্লিষ্ট ব্যবসা-চালিত নিয়মগুলি যোগ করতে, নিম্নলিখিত পদক্ষেপগুলি সম্পূর্ণ করুন:
- অ্যামাজন জালিয়াতি সনাক্তকারী কনসোলে, নির্বাচন করুন বিধি নেভিগেশন ফলকে।
- বেছে নিন নিয়ম যোগ করুন.
- মধ্যে একটি নিয়ম সংজ্ঞায়িত করুন বিভাগে, নিয়মের নামের জন্য জালিয়াতি লিখুন এবং, ঐচ্ছিকভাবে, একটি বিবরণ লিখুন।
- জন্য অভিব্যক্তি, Amazon Fraud Detector সরলীকৃত নিয়ম এক্সপ্রেশন ভাষা ব্যবহার করে রুল এক্সপ্রেশন লিখুন
$docdraud_insightscore >= 900
- জন্য ফলাফলনির্বাচন একটি নতুন ফলাফল তৈরি করুন (একটি ফলাফল একটি জালিয়াতি পূর্বাভাস থেকে ফলাফল এবং একটি মূল্যায়ন সময় নিয়ম মেলে যদি ফেরত দেওয়া হয়.)
- মধ্যে একটি নতুন ফলাফল তৈরি করুন বিভাগে, ফলাফলের নাম এবং একটি ঐচ্ছিক বিবরণ হিসাবে প্রত্যাখ্যান লিখুন।
- বেছে নিন ফলাফল সংরক্ষণ করুন
- বেছে নিন নিয়ম যোগ করুন নিয়ম যাচাইকরণ পরীক্ষক চালানোর জন্য এবং নিয়ম সংরক্ষণ করুন।
- এটি তৈরি হওয়ার পরে, অ্যামাজন জালিয়াতি সনাক্তকারী নিম্নলিখিতগুলি তৈরি করে৷
high_risk
আপনার ডিটেক্টর ব্যবহারের জন্য উপলব্ধ নিয়ম.- নিয়মের নাম:
fraud
- ফলাফল:
decline
- এক্সপ্রেশন:
$docdraud_insightscore >= 900
- নিয়মের নাম:
- বেছে নিন অন্য একটি বিধি যুক্ত করুন, এবং তারপর নির্বাচন করুন বিধি তৈরি করুন নীচের মত অতিরিক্ত 2 টি নিয়ম যোগ করতে ট্যাব:
- একটা তৈরি কর
low_risk
নিম্নলিখিত বিবরণ সহ নিয়ম:- নিয়মের নাম:
legit
- ফলাফল:
approve
- এক্সপ্রেশন:
$docdraud_insightscore <= 500
- নিয়মের নাম:
- একটা তৈরি কর
medium_risk
নিম্নলিখিত বিবরণ সহ নিয়ম:- নিয়মের নাম:
review needed
- ফলাফল:
review
- এক্সপ্রেশন:
$docdraud_insightscore <= 900 and docdraud_insightscore >=500
- নিয়মের নাম:
এই মান এই পোস্টের জন্য ব্যবহৃত উদাহরণ. আপনি যখন আপনার নিজের ডিটেক্টরের জন্য নিয়ম তৈরি করেন, আপনার মডেল এবং ব্যবহারের ক্ষেত্রে উপযুক্ত মানগুলি ব্যবহার করুন।
- আপনি তিনটি নিয়ম তৈরি করার পরে, নির্বাচন করুন পরবর্তী.
ভবিষ্যদ্বাণী করতে API স্থাপন করুন
নিয়ম-ভিত্তিক ক্রিয়াকলাপগুলি ট্রিগার হওয়ার পরে, আপনি ঋণ দেওয়ার আবেদনগুলি মূল্যায়ন করতে এবং সম্ভাব্য জালিয়াতির পূর্বাভাস দিতে একটি Amazon Fraud Detector API মোতায়েন করতে পারেন৷ ভবিষ্যদ্বাণী একটি ব্যাচ বা বাস্তব সময়ে সঞ্চালিত করা যেতে পারে.
আপনার সেজমেকার মডেল একীভূত করুন (ঐচ্ছিক)
আপনার যদি ইতিমধ্যেই সেজমেকারে একটি জালিয়াতি সনাক্তকরণ মডেল থাকে তবে আপনি আপনার পছন্দের ফলাফলের জন্য এটিকে অ্যামাজন জালিয়াতি সনাক্তকারীর সাথে একীভূত করতে পারেন।
এটি বোঝায় যে আপনি বিভিন্ন ধরণের জালিয়াতি সনাক্ত করতে আপনার অ্যাপ্লিকেশনে SageMaker এবং Amazon ফ্রড ডিটেক্টর মডেল উভয়ই ব্যবহার করতে পারেন৷ উদাহরণস্বরূপ, আপনার অ্যাপ্লিকেশনটি গ্রাহক অ্যাকাউন্টের জালিয়াতির ঝুঁকি মূল্যায়ন করতে Amazon Fraud Detector মডেল ব্যবহার করতে পারে এবং একই সাথে অ্যাকাউন্ট আপস ঝুঁকি পরীক্ষা করতে আপনার PageMaker মডেল ব্যবহার করতে পারে৷
পরিষ্কার কর
ভবিষ্যতের কোনো চার্জ এড়াতে, নিম্নলিখিতগুলি সহ সমাধানের জন্য তৈরি সংস্থানগুলি মুছুন:
- এস 3 বালতি
- আমাজন জালিয়াতি সনাক্তকারীর শেষ পয়েন্ট
উপসংহার
এই পোস্টটি আপনাকে একটি স্বয়ংক্রিয় এবং কাস্টমাইজড সমাধানের মাধ্যমে নিয়ে গেছে যাতে মর্টগেজ আন্ডাররাইটিং প্রক্রিয়ায় জালিয়াতি সনাক্ত করা যায়। এই সমাধানটি আপনাকে জালিয়াতি হওয়ার সময় কাছাকাছি প্রতারণামূলক প্রচেষ্টা সনাক্ত করতে দেয় এবং আন্ডাররাইটারদের একটি কার্যকর সিদ্ধান্ত নেওয়ার প্রক্রিয়াতে সহায়তা করে। অতিরিক্তভাবে, বাস্তবায়নের নমনীয়তা আপনাকে নির্দিষ্ট ব্যবসার প্রয়োজনে কাস্টমাইজ করা প্রতারণামূলক প্রচেষ্টাকে শ্রেণিবদ্ধ করতে এবং ক্যাপচার করার জন্য ব্যবসা-চালিত নিয়মগুলি সংজ্ঞায়িত করতে দেয়।
এন্ড-টু-এন্ড মর্টগেজ ডকুমেন্ট জালিয়াতি সনাক্তকরণ সমাধান তৈরির বিষয়ে আরও তথ্যের জন্য, পড়ুন পার্ট 1 এবং পার্ট 2 এই সিরিজে
লেখক সম্পর্কে
অনুপ রবীন্দ্রনাথ কানাডার টরন্টোতে অবস্থিত অ্যামাজন ওয়েব সার্ভিসেস (এডব্লিউএস) এর একজন সিনিয়র সলিউশন আর্কিটেক্ট আর্থিক পরিষেবা সংস্থাগুলির সাথে কাজ করছেন৷ তিনি গ্রাহকদের তাদের ব্যবসায় রূপান্তর করতে এবং ক্লাউডে উদ্ভাবন করতে সহায়তা করেন।
ভিনি সাইনি কানাডার টরন্টোতে অবস্থিত অ্যামাজন ওয়েব সার্ভিসেস (AWS) এর একজন সিনিয়র সলিউশন আর্কিটেক্ট। তিনি আর্কিটেকচারাল এক্সিলেন্সের শক্তিশালী ভিত্তি স্তম্ভের উপর স্থাপিত AI এবং ML চালিত সমাধানগুলির সাথে ক্লাউডে আর্থিক পরিষেবার গ্রাহকদের রূপান্তর করতে সহায়তা করছেন।
- এসইও চালিত বিষয়বস্তু এবং পিআর বিতরণ। আজই পরিবর্ধিত পান।
- PlatoData.Network উল্লম্ব জেনারেটিভ Ai. নিজেকে ক্ষমতায়িত করুন। এখানে প্রবেশ করুন.
- প্লেটোএআইস্ট্রিম। Web3 ইন্টেলিজেন্স। জ্ঞান প্রসারিত. এখানে প্রবেশ করুন.
- প্লেটোইএসজি। কার্বন, ক্লিনটেক, শক্তি, পরিবেশ সৌর, বর্জ্য ব্যবস্থাপনা. এখানে প্রবেশ করুন.
- প্লেটো হেলথ। বায়োটেক এবং ক্লিনিক্যাল ট্রায়াল ইন্টেলিজেন্স। এখানে প্রবেশ করুন.
- উত্স: https://aws.amazon.com/blogs/machine-learning/automate-mortgage-document-fraud-detection-using-an-ml-model-and-business-defined-rules-with-amazon-fraud-detector-part-3/
- : আছে
- : হয়
- :না
- :কোথায়
- $ ইউপি
- 100
- 15%
- 7
- 900
- a
- সম্পর্কে
- গ্রহণযোগ্য
- প্রবেশ
- অনুযায়ী
- হিসাব
- অ্যাকাউন্টস
- স্টক
- ক্রিয়াকলাপ
- কার্যকলাপ
- যোগ
- অতিরিক্ত
- উপরন্তু
- পর
- AI
- শ্রেণীবদ্ধ করা
- সব
- অনুমতি
- ইতিমধ্যে
- মর্দানী স্ত্রীলোক
- আমাজন জালিয়াতি সনাক্তকারী
- অ্যামাজন ওয়েব সার্ভিসেস
- আমাজন ওয়েব সার্ভিসেস (এডব্লিউএস)
- an
- এবং
- অন্য
- কোন
- API
- আবেদন
- অ্যাপ্লিকেশন
- অভিগমন
- যথাযথ
- আন্দাজ
- স্থাপত্য
- স্থাপত্য
- রয়েছি
- AS
- পরিমাপ করা
- যুক্ত
- At
- প্রচেষ্টা
- স্বয়ংক্রিয় পদ্ধতি প্রয়োগ করা
- অটোমেটেড
- স্বয়ংক্রিয়ভাবে
- সহজলভ্য
- এড়াতে
- ডেস্কটপ AWS
- ভিত্তি
- BE
- হয়েছে
- আগে
- শুরু
- নিচে
- মধ্যে
- উভয়
- নির্মাণ করা
- ভবন
- বিল্ট-ইন
- ব্যবসায়
- ব্যবসা
- কিন্তু
- বোতাম
- by
- গণিত
- নামক
- CAN
- কানাডা
- গ্রেপ্তার
- কেস
- কিছু
- পরিবর্তন
- চার্জ
- তালিকা
- চেক
- চেক করা হয়েছে
- বেছে নিন
- শ্রেণীবিন্যাস
- শ্রেণীভুক্ত করা
- ক্লিক
- কাছাকাছি
- মেঘ
- স্তম্ভ
- মিশ্রন
- সম্পূর্ণ
- উপাদান
- আপস
- কম্পিউটার
- কম্পিউটার ভিশন
- ধারণাসঙ্গত
- পরিবেশ
- বিশৃঙ্খলা
- বিবেচনা করা
- কনসোল
- অনুরূপ
- আচ্ছাদন
- সৃষ্টি
- নির্মিত
- সৃষ্টি
- প্রথা
- ক্রেতা
- গ্রাহকদের
- কাস্টমাইজড
- উপাত্ত
- রায়
- সিদ্ধান্ত মেকিং
- সিদ্ধান্ত
- পতন
- গভীর
- ডিফল্ট
- নির্ধারণ করা
- সংজ্ঞা
- প্রমান
- স্থাপন
- মোতায়েন
- বিস্তৃতি
- বিবরণ
- বিস্তারিত
- সনাক্ত
- সনাক্তকরণ
- বিকাশ
- নকশা
- বিভিন্ন
- আলোচনা
- বিতরণ
- দলিল
- কাগজপত্র
- চালিত
- সময়
- প্রতি
- পূর্বে
- কার্যকর
- উপাদান
- সর্বশেষ সীমা
- ইঞ্জিন
- প্রবেশ করান
- সত্তা
- মূল্যায়ন
- মূল্যায়নের
- মূল্যায়ন
- ঘটনা
- ঘটনাবলী
- উদাহরণ
- উদাহরণ
- শ্রেষ্ঠত্ব
- অভিব্যক্তি
- ফাইল
- নথি পত্র
- আর্থিক
- অর্থনৈতিক সেবা সমূহ
- নমনীয়তা
- অনুসরণ
- অনুসরণ
- জন্য
- নকল
- বিন্যাস
- মূল
- প্রতারণা
- জালিয়াতি সনাক্তকরণ
- প্রতারণাপূর্ণ
- থেকে
- সম্পূর্ণরূপে
- ভবিষ্যৎ
- উত্পাদন করা
- উত্পন্ন
- হাত
- আছে
- he
- হেডার
- সাহায্য
- সাহায্য
- উচ্চ
- লক্ষণীয় করা
- অত্যন্ত
- ঐতিহাসিক
- কিভাবে
- কিভাবে
- HTTP
- HTTPS দ্বারা
- মানবীয়
- চিহ্নিতকরণের
- if
- চিত্র
- বাস্তবায়ন
- উন্নত করা
- উন্নতি
- in
- সুদ্ধ
- আয়
- ত্রুটিপূর্ণ
- ইঙ্গিত
- তথ্য
- প্রবর্তিত
- পরিবর্তন করা
- ইনপুট
- সম্পূর্ণ
- ইন্টারফেস
- জড়িত
- IT
- JPG
- মাত্র
- রাখা
- লেবেল
- লেবেলগুলি
- অরুপ
- ভাষা
- শিক্ষা
- অন্তত
- ত্যাগ
- বৈধ
- ঋণদান
- মাত্রা
- মত
- যুক্তিবিদ্যা
- কম
- মেশিন
- মেশিন লার্নিং
- করা
- তৈরি করে
- মেকিং
- পরিচালিত
- অনেক
- ম্যাচ
- জরায়ু
- পরিণত
- মে..
- ছন্দোবিজ্ঞান
- মিনিট
- অনুপস্থিত
- ML
- মডেল
- মডেল
- মাসের
- অধিক
- বন্ধক
- অবশ্যই
- my
- নাম
- ন্যাভিগেশন
- প্রয়োজন
- প্রয়োজন
- চাহিদা
- নতুন
- পরবর্তী
- এখন
- উদ্দেশ্য
- ঘটা
- of
- পুরাতন
- on
- অপশন সমূহ
- or
- সংগঠন
- অন্যান্য
- আমাদের
- ফলাফল
- আউটপুট
- সামগ্রিক
- নিজের
- পৃষ্ঠা
- শার্সি
- পরামিতি
- অংশ
- পথ
- কর্মক্ষমতা
- সম্পাদিত
- অনুমতি
- স্তম্ভ
- পাইপলাইন
- Plato
- প্লেটো ডেটা ইন্টেলিজেন্স
- প্লেটোডাটা
- পোস্ট
- সম্ভাব্য
- ভবিষ্যদ্বাণী করা
- ভবিষ্যদ্বাণী
- ভবিষ্যতবাণী
- পছন্দের
- প্রস্তুত
- পূর্বশর্ত
- বর্তমান
- উপস্থাপন
- প্রক্রিয়া
- প্রোফাইল
- প্রোগ্রামিং
- প্রদান
- প্রদত্ত
- উপলব্ধ
- কাঁচা
- প্রস্তুত
- বাস্তব
- প্রকৃত সময়
- সাম্প্রতিক
- সুপারিশ করা
- পড়ুন
- এলাকা
- চিত্রিত করা
- প্রতিনিধিত্ব করে
- প্রয়োজনীয়
- আবশ্যকতা
- Resources
- নিজ নিজ
- ফল
- ফলাফল
- এখানে ক্লিক করুন
- পর্যালোচনা
- ঝুঁকি
- ভূমিকা
- নিয়ম
- নিয়ম
- চালান
- ঋষি নির্মাতা
- প্রসঙ্গ
- সংরক্ষণ করুন
- সংরক্ষিত
- স্কেল
- স্কোর
- দ্বিতীয়
- অধ্যায়
- দেখ
- নির্বাচিত
- নির্বাচন
- জ্যেষ্ঠ
- ক্রম
- সেবা
- সেবা
- সেট
- বিন্যাস
- সেটিংস
- সে
- শো
- অনুরূপ
- সহজ
- এককালে
- So
- সমাধান
- সলিউশন
- নির্দিষ্ট
- পর্যায়
- অবস্থা
- ধাপ
- প্রারম্ভিক ব্যবহারের নির্দেশাবলী
- স্টোরেজ
- সঞ্চিত
- শক্তিশালী
- এমন
- সমর্থিত
- ধরা
- লাগে
- বলা
- যে
- সার্জারির
- তাদের
- তারপর
- এইগুলো
- তৃতীয়
- এই
- তিন
- দ্বারা
- সময়
- থেকে
- অত্যধিক
- সরঞ্জাম
- টরন্টো
- প্রতি
- রেলগাড়ি
- প্রশিক্ষিত
- প্রশিক্ষণ
- রুপান্তর
- আলোড়ন সৃষ্টি
- আদর্শ
- ধরনের
- আন্ডাররাইটিং
- আপলোড করা
- আপলোড
- ব্যবহার
- ব্যবহার ক্ষেত্রে
- ব্যবহৃত
- ব্যবহারসমূহ
- ব্যবহার
- বৈধতা
- মূল্য
- মানগুলি
- পরিবর্তনশীল
- বিভিন্ন
- সংস্করণ
- সংস্করণ
- চেক
- দৃষ্টি
- পদচারণা
- প্রয়োজন
- ছিল
- we
- ওয়েব
- ওয়েব সার্ভিস
- কখন
- যে
- যখন
- ইচ্ছা
- সঙ্গে
- কর্মপ্রবাহ
- কাজ
- আপনি
- আপনার
- zephyrnet