首页
学习
活动
专区
圈层
工具
发布
综合排序最热优先最新优先
时间不限
用Python实现智能
智能实践指南-从模型、特征到决策》 ▲主编:蒋宏 ▲组编:融360模型团队 ▲编著:马海彪 王欢 王超 智能已经被提及了很多年,在业界也有诸多应用实践,但是,智能相关书籍中,能够阐述完整智能体系 01 基于特征、精于模型、科学决策 首先,本书打造了完整的智能体系 有些同学认为智能就是机器学习模型,诚然,模型在智能中扮演了至关重要的角色,但智能绝不仅仅只是模型,本书将智能全流程 作者经历从传统智能转型的全过程,以亲身实践系统全面的梳理智能发展的脉络,从理论和实践的角度给出了有价值的洞见,为希望理解和实施智能的读者提供了一份详实的路线图。 本书介绍了智能的发展历史,围绕模型、特征画像、策略等核心环节展开,系统性讲解智能在信贷领域的应用。 ; 第6章 介绍了智能相关的管理经验,解读智能中的一系列管理原则。
可以叫我才哥
2022-11-11
1.8K0
标签:
为本创新驱动,券商如何实现智能加速?
如何融合信息技术与证券业务,不断地通过先进的科技手段,通过数据的汇聚和分析,通过智能化的探索,为各业务板块的核心竞争力赋能,是各大券商关注的重点。 合规始终是公司的首要核心竞争力,该券商不断推进全面风险管理体系建设,需要全方位提升主动合规控管理能力,进而提升风险管理精细化、智能化水平。 而由于合规处于企业核心竞争力的高度,原数据积累10年,数据量已超30TB。 非现场平台各项报表和查询生成时间逐渐拉长。夜间批量任务越来越慢,部分任务出现超时失败现象。 02 原合规数据库数据量巨大,原有的传统的备份手段难以实现数据的实时保护。 价值提升 1 通过QData数据库云平台大幅提升了系统的业务效率,日终调度业务从原十几个小时缩短至1.5小时,性能提升10倍以上。
沃趣科技
2021-10-12
2.3K0
标签:
智能系统设计与实践
在信息安全领域,建立在人工智能技术之上的策略引擎已经深入到了产品功能的方方面面,相应的,每一个策略系统都离不开大量的特征,来支撑模型算法或人工规则对请求的精准响应,因此特征系统成为了支持线上风引擎的重要支柱 本文以智能在线特征系统为原型,重点从线上数据从生产到特征物料提取、计算、存取角度介绍一些实践中的通用技术点,以解决在线特征系统在高并发情形下面临的问题和挑战。 特征系统的基本概念 1. c) 滑动窗口期:时间窗口的长度是固定的,但起止时间点一直在向前滚动,主要针对事中检测,常用来判读信息准入,例如风发帖时间点前15分钟的计数。 c) 并发大,策略系统面向用户端,服务端峰值QPS超过35万,每日调用量超过200亿次。 总结和规划 本文主要以智能在线特征系统为原型,提出了在线特征系统的一些设计思路。其中特征工程系统的边界并不限于特征的解析、计算、存取等。
肉眼品世界
2020-11-17
2.7K0
标签:
蚂蚁金服总监王黎强:智能助力新金融
本文为数据猿现场直播“蚂蚁金服总监王黎强:智能助力新金融”的发言实录。 以下是数据猿现场直播“蚂蚁金服总监王黎强”的发言实录: 事实上,阿里、蚂蚁大部分技术能力是通过在业务场景里解决一个又一个的具体问题所构建起来的,我们的智能体系也是一样。 第三阶段,大数据智能体系,我们通过人工经验跟机器自身的学习,构建了一套智能体系,这里面既做到了提前感知风险,又做到了风险自适应,而不是所有的风险防去用人工的方式做修正,而更多的是通过机器智能的方式进行整个体系的自我修复 蚂蚁金服的智能体系有哪些核心的优势?我们总结下来有三个: 第一个优势,强大的技术跟算法。 举个例子,我们整个体系就像人的骨骼,数据是人的血肉,AI是人的大脑,三者有机结合在一起,构成了我们整个智能体系的框架。然后高效实时的运作起来,是蚂蚁金服智能体系的第一个优势。
数据猿
2018-04-25
3.7K0
标签:
ML | 建模的KS
我们这做模型的时候,经常是会用KS值来衡量模型的效果,这个指标也是很多领导会直接关注的指标。今天写一篇文章来全面地剖析一下这个指标,了解当中的原理以及实现,因为这些知识是必备的基本功。 不过这不影响我们去使用它,我们只需要知道在中是怎么实现的,并且在实际场景中怎么去使用它就可以了。就如上面我们说的,KS在主要是用于评估模型的好坏样本区分度高低的。什么是区分度? 可以看下图: 从业务上来说,就是越往后的箱子,客户的质量越差,rate整体上呈现单调性,从而可以把大多数的坏人,直接从箱的维度上就可以区分开来了,在后续的策略使用体验上十分友好。 02 KS的生成逻辑 KS的生成逻辑公式也是十分简单: 好样本累计占比坏样本累计占比 在领域,我们在计算KS前一般会根据我们认为的“正态分布原则”进行分箱,一般来说分成了10份,然后再进行KS的计算 03 KS的效果应用 KS的值域在0-1之间,一般来说KS是越大越有区分度的,但在领域并不是越大越好,到底KS值与模型可用性的关系如何,可看下表: 004 KS的实现 首先我们来对上面展示的例子进行
Sam Gor
2022-02-25
6.3K0
标签:
金融业智能实践研讨:不要让旧扼杀新增长
第一章:报告基础信息 • 报告标题:金融业智能实践研讨:不要让旧扼杀新增长 • 发布机构:金融电子化 • 发布时间:未明确标注 • 行业标签:泛金融,商业银行,证券,保险 • 产品标签:#天御 • 庄文君 • 林声达 • 李超 • 智能将把金融业带向何方? • 庄文君 • 中小机构由于成本问题,智能受限,如何让中小银行能够低成本地享受到智能的成果? • 庄文君 • 李超 • 林声达 • 《金融业智能实践白皮书》 • 天御治理思路 • 匹配场景的联防联控体系 • 动态模型对抗能力 • 价值驱动的数据合规治理 • 金融智能全景图 • 分析框架:基于《金融业智能实践白皮书》中的天御治理思路,围绕“联防联控体系”、“动态模型对抗”与“数据合规治理”三大核心架构展开。 • 普惠金融破局:针对传统挑战,需通过智能技术驱动小微客户精准授信,并利用金融监管沙盒作为新技术合规化的试验田,构建全链路风生态。
IT资讯研究所
2026-05-30
1790
标签:
何为
定义 是风险控制的简称,在百度百科中是这么定义风险控制的。 在我们日常生活中随时可见,小到账户登录验证码,都可以算是一种的手段。 这里我们着重了解下信贷下的,结合了场景的,则赋予了更多的意义。 信贷的目标是「利益最大化」,而不是没有风险,在风险和利润之间找到平衡,是信贷的核心。 ,以及在信贷场景下的如何实现,的目标永远是降风险,但不是一味地降,在不同场景下有不同的考虑。 文章例子参考《智能平台:架构、设计与实现》
LieBrother
2022-12-20
2.9K0
标签:
ML | 建模的WOE与IV
ML」系列文章,主要是分享一下自己多年以来做金融的一些事一些情,当然也包括建模、机器学习、大数据等相关技术分享,欢迎同行交流与新同学的加入,共同学习,进步! 第一次接触这两个名词是在做模型的时候,老师教我们可以用IV去做变量筛选,IV(Information Value),中文名是信息值,简单来说这个指标的作用就是来衡量变量的预测能力强弱的,然后IV又是
Sam Gor
2021-11-30
4.8K0
标签:
信贷模型搭建及核心模式分类
一、当前模式现状 近年来,信用风险管理发展呈现出数据化、模型化、系统化、自动化和智能化的特点。传统的人工专家经验正逐步被模型与算法替代。 从商务智能的角度说,模型,评分,策略等都是为业务服务的,脱离了业务场景的模型和评分是无本之木,无源之水。脱离了业务场景谈模型的准确性,没有意义。 另外,模型在不同的阶段体现的方式和功能也不一样。 从资金的角度来看,模型是为了评估用户还款能力和还款意愿,反欺诈反作弊,防止用户薅羊毛和保证平台安全等功能;从行业的角度,互联网模型体现在消费金融/供应链金融/信用借贷/P2P/大数据征信等方面。 所以说,模型的计算策略和机制在一个公司属于绝密,规则除了核心的员工,其他人是不能知道规则的。 四、的核心 如果说金融产品的核心是,那么的核心是什么?
全栈程序员站长
2022-08-14
4.2K0
标签:
1.1 原则
风险管理的目标是减少和消除EL,但是更concern UL,A对 承担风险的数量和潜在损失的大小不是绝对相关的,B错 风险管理的最后一步是监控,C错 风险是不确定性,不确定性是不会消失的,采用风险转移只是把风险转给了别的公司,D错
rocket
2018-09-14
3.3K0
标签:
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档