Сбербанк создал новый алгоритм, который работает как дата-сайентист

Сбербанк создал новую модель машинного обучения Auto ML, сообщил на Российском инвестиционном форуме заместитель Председателя Правления Сбербанка Анатолий Попов.

Auto ML — алгоритм, который умеет создавать другие модели. А они, в свою очередь, уже решают прикладные задачи — например, прогнозируют платежеспособность клиента при выдаче кредита или помогают отделять законопослушных клиентов от нарушителей. 

В январе 2019 г. был проведен пилот: алгоритмы Auto ML были применены для создания нескольких baseline-моделей (первых версий) класса Next BestAction (таргетирование кампаний продаж). 

Алгоритм позволяет оптимизировать один из важных шагов создания применяемой в бизнесе модели машинного обучения, а именно создание baseline модели (первой версии модели, которая потом развивается уже с участием человека). Качество baseline-моделей созданных алгоритмом Auto ML сопоставимо с качеством модели создаваемой в ручную. При этом скорость работы алгоритма в 10-15 раз превосходит скорость работы человека. 

Полученные результаты доказывают возможность использования технологии автоматического моделирования для быстрого формирования базовых моделей обработки данных и использования его для запуска кампаний продаж корпоративно-инвестиционного бизнеса Сбербанка. 

Анатолий Попов, заместитель Председателя Правления Сбербанка:

«Одна из возможностей для повышения эффективности всех бизнес процессов в банке - внедрение искусственного интеллекта. Однако создание десятков тысяч моделей, чтобы покрыть все аспекты деятельности является практически нереальной задачей, если для создания и внедрения моделей применять только ручной труд дата-сайентистов и разработчиков. Поэтому мы внедряем у себя один из самых современных в мире подходов к работе с моделями машинного обучения – Auto ML. Систему алгоритмов, которая быстро и самостоятельно создает прикладные решения на основе моделей машинного обучения».

Редактор раздела: Александр Авдеенко (info@mskit.ru)

Рубрики: ПО, Финансы

наверх
 
 
     

А знаете ли Вы что?

     
 

MSKIT.RU: последние новости Москвы и Центра

14.02.2019 В цифровую экономику – с цифровой неграмотностью

13.02.2019 DDoS, великий и ужасный

06.02.2019 Лидерами цифровизации являются Индия, Бразилия и Таиланд

01.02.2019 Черная полоса для рынка смартфонов

31.01.2019 Добровольно-принудительное поколение. В Москве обсудили перспективы 5G

29.01.2019 В 2019 году глобальные расходы на ИТ достигнут $3,8 трлн

23.01.2019 За умный дом пользователи готовы платить

22.01.2019 Мобильные билеты приведут к революции в городской мобильности

NNIT.RU: последние новости Нижнего Новгорода

14.02.2019 В цифровую экономику – с цифровой неграмотностью

13.02.2019 DDoS, великий и ужасный

06.02.2019 Лидерами цифровизации являются Индия, Бразилия и Таиланд

01.02.2019 Черная полоса для рынка смартфонов

31.01.2019 Добровольно-принудительное поколение. В Москве обсудили перспективы 5G

29.01.2019 В 2019 году глобальные расходы на ИТ достигнут $3,8 трлн

23.01.2019 За умный дом пользователи готовы платить

22.01.2019 Мобильные билеты приведут к революции в городской мобильности

ITSZ.RU: последние новости Петербурга

14.02.2019 В цифровую экономику – с цифровой неграмотностью

11.02.2019 Северо-Запад на две трети готов к цифровой экономике

06.02.2019 Лидерами цифровизации являются Индия, Бразилия и Таиланд

01.02.2019 Черная полоса для рынка смартфонов

31.01.2019 Добровольно-принудительное поколение. В Москве обсудили перспективы 5G

29.01.2019 В 2019 году глобальные расходы на ИТ достигнут $3,8 трлн

23.01.2019 За умный дом пользователи готовы платить

22.01.2019 Мобильные билеты приведут к революции в городской мобильности