Разделы

ИТ в банках

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.

Василий Огнев, МТС RED: В области многофакторной аутентификации заказчики переходят на облачные решения
Безопасность

Анатолий Попов, заместитель Председателя Правления Сбербанка, отметил:

«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».