首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    华为数据分类管理框架和经验

    我们云原生实验室在这段时间一直从事联邦学习的项目研发,联邦学习解决的是机器学习中企业数据联合使用的问题,因此我们也很关注各类数据管理框架和技术。近期读了一本关于数据管理的书:《华为数据之道》,对企业管理和使用数据做了系统的总结,其中有不少的原理值得借鉴。在征得出版社许可后,摘录部分章节分享给大家,感兴趣的读者可以点击图片购买图书作参考。 最近的畅销书《华为数据之道》对华为的数字化转型方法和经验进行了系统性地披露。企业的数字化转型,数据治理是关键,数据的分类管理又是数据治理的核心,本文将通过《华为数据之道》

    02

    DF消费者人群画像—信用智能评分方案分享(top5)

    此次比赛是中国移动福建公司提供2018年某月份的样本数据,包括客户的各类通信支出、欠费情况、出行情况、消费场所、社交、个人兴趣等丰富的多维度数据,参赛者通过分析建模,运用机器学习和深度学习算法,准确评估用户消费信用分值。我们知道通讯运营商作为社会企业中不可缺少的部分,同样需要打造企业信用评分体系,助推整个社会的信用体系升级。可是“传统的信用评分主要以客户消费能力等少数的维度来衡量,难以全面、客观、及时的反映客户的信用。中国移动作为通信运营商拥有海量、广泛、高质量、高时效的数据,如何基于丰富的大数据对客户进行智能评分是中国移动和新大陆科技集团目前攻关的难题。运营商信用智能评分体系的建立不仅能完善社会信用体系,同时也中国移动内部提供了丰富的应用价值,包括全球通客户服务品质的提升、客户欠费额度的信用控制、根据信用等级享受各类业务优惠等。有了赛题的初步了解,我们接着考虑赛题的意义,主要为四个方面,(1)可直面真实场景数据,可以接触到企业内部真实脱敏的数据,让参赛者在真实业务场景上使用数据;(2)可以交流多种想法,可以接触到企业内部真实脱敏的数据,让参赛者在真实业务场景上使用数据;(3)进一步提升信用评估方法技能,通过此次参赛可进一步提升参赛选手的对用户信用评分的技能,可以用在用户画像和黑产识别上;(4)加强机器学习应用技能,通过此次参赛可加强如何将算法知识应用在用户给评分的业务场景中。有了这些基本的了解,接下来将具体展示详细工作。

    02
    领券