九九热视频精品在线_国产成人mv视频在线观看_国产精品三级一区二区_亚洲精品国产av成拍色拍婷婷_久久伊人一区二区_国产高清精品网站_九九99热久久精品离线6_国产在线一卡2卡三卡4卡免费_日韩美女乱淫aaa高清视频_亚洲大胆_啪啪一级视频_午夜av免费观看_国产高清精品福利私拍国产写真_亚洲婷婷五月综合狠狠_日韩欧美一区二区三区视频_岛国av免费看_精品国产乱码久久久久久久软件_亚洲国产成人精品无码区99_www日本色_免费黄色看片

星環科技機器學習平臺基于容器云、大數據、知識圖譜、機器學習等前沿技術為其構建。平臺可為銀行的業務分析師提供可視化拖拉拽的數據分析挖掘工具和專業算法庫，實現團隊協作、風險管控、用戶體驗等全方位的運營效率提升。平臺作為一個智能化的服務集成，兼具統一規范的服務接口，提供各項的模型預測服務、接入方式，實現模型的統一監控與管理，幫助企業沉淀建模數據，減少因重復數據加工而導致的資源浪費。中國銀行業： 數智化轉型亟待智能技術化解應用開發局限伴隨人工智能、大數據、云計算 等新興技術的高速發展，金融與科技的融合正在顛覆傳統銀行的經營模式。而銀行實現數字化轉型并非一蹴而就，如何利用技術實現業務優化的路徑中往往存在多項挑戰。以國內某商業銀行為例，在英國《銀行家》（The Banker）雜志公布的“2020全球銀行1000強”榜單中，該行按總資產排一百多位，連續四年入圍全球銀行200強。該銀行在推進數智化轉型的過程中，積極采用人工智能技術深化風控管理、數據運營等工作。然而，該行在針對各業務開發智能應用的過程中面臨多項痛點：1、AI模型搭建門檻高、流程復雜：對于業務部門來說，AI建模門檻高、流程復雜、實現困難；開發部門具備建模開發能力，但業務經驗較少。因此AI模型的開發往往需要打通業務部門與研發部門的壁壘，克服繁瑣的數據申請流程、緩慢的響應速度、復雜的研發環節、大量的人力標注等，最終才能成功構建。2、模型上線部署困難、時效性差：缺乏統一的模型發布、運行與管理平臺，導致模型的上線時間較長，時效性差。3、模型重復建設、煙囪化嚴重：各業務部門的模型構建各自為營，煙囪化嚴重，許多類似模型特征重復開發，浪費了大量的人力成本。同時，數據資產在缺乏管理的情況下整體數據質量較差，難以維護，缺乏統一的模型特征復用池將模型特征進行沉淀與復用。4、缺乏模型后期監控、更新與維護：模型缺乏后期的維護與監控，無法根據時間的推移對模型進行及時更新和驗證，導致模型精度隨時間的推移逐步降低。銀行機器學習平臺建設案例解析：以星環科技為某銀行客戶搭建機器學習平臺為例為幫助該商業銀行解決現有問題，星環科技基于自研的Sophon人工智能平臺，基于容器云、大數據、知識圖譜、機器學習等前沿技術為其構建了綜合性金融平臺解決方案。平臺可為銀行的業務分析師提供可視化拖拉拽的數據分析挖掘工具和專業算法庫，實現團隊協作、風險管控、用戶體驗等全方位的運營效率提升。平臺整體架構圖如下：核心平臺 – 星環科技人工智能平臺SophonSophon是星環科技所打造的一站式人工智能平臺，可支持用戶快速完成從特征工程、模型訓練到模型上線的機器學習全生命周期開發工作。基于Sophon，星環科技為銀行客戶所打造的平臺方案主要提供兩種任務處理能力。一為面向某業務領域內特定類型數據，提供如知識圖譜構建工具、特征及標簽管理能力等針對此類數據的基礎預測、分析能力的“橫向”任務；二為針對業務具體需求的、相對特殊化與個性化的“縱向”任務，包含金融領域的風控、投研及用戶畫像構建等。Sophon的功能及配套設施主要包含：Sophon Base 數據科學基礎平臺 – 集成可視化統計分析、預測性分析、可視化機器學習等功能，針對機器學習建模需求提供一站式支持，操作流程包含數據導入、數據探索、實驗管理、任務流調度、用戶資產、智能分析等。平臺提供超過兩百余種高性能分布式算法，用戶可在交互式建模界面通過托拉拽方式，快速建立模型。

 Sophon EP 實體畫像模塊 – 面向全行業的標簽管理及畫像系統，可支持銀行、證券、公安等多行業中常用的實體模板，實體覆蓋基礎數據結構、標簽體系結構及畫像展現模板。 Sophon KG 知識圖譜模塊 – 可提供多種圖譜分布式算法，包含星環科技自研的FraudRank反欺詐算法、NATE深度圖算法等。依托于Sophon Base基礎平臺，模塊可提供對知識的獲取、融合、存儲、計算以及應用。支持拖拽式圖譜構建、分布式圖譜存儲、分布式圖譜計算以及交互式圖譜分析等功能。 Sophon Cloud 云端模塊 – 負責模型上線管理。模塊提供模型鏡像版本管理、模型線上監控、線下統計、橫向擴容、滾動升級、A/B測試等功能。 建模開發流程平臺化，實現團隊高效協作星環科技機器學習平臺將建模開發流程平臺化以及工具化，該商業銀行可整合業務部門與研發部門的人力，大幅簡化模型開發成本。平臺底層對接Spark、TensorFlow、MXnet等框架，同時內置100多種分布式算子，且集成了金融算法庫和行業模板。使用者可自定義添加算子，并使用模型導出、模型管理、模型分享等功能，配合可視化拖拉拽的模型建設工具，為模型實驗室的模型訓練、優化、快速迭代提供工具支持。 特征及標簽管理，實現智能化風控模型構建基于機器學習平臺，該商業銀行可通過通過用戶的動態行為數據和用戶的靜態資產數據，提取用戶特征，形成用戶畫像標簽，總計數百個特征，從而實現分別對對公、對私客群進行精準建模，包括柜面以及主要電子渠道。 

基于知識圖譜與實施決策引擎實現實時風險管理該銀行客戶可通過使用圖譜構建、圖譜展示、高性能圖網絡特征指標計算等全鏈路的知識圖譜工具，并結合實時決策引擎，將離線訓練模型上線到生產環境用于線上實時業務的能力，生成風險管理駕駛艙，實現從T+1、T+0的事后風險管理向實時風險管理的成功跨越。 應用效果在合作案例中，該商業銀行借助星環科技機器學習平臺，構筑了以數字為驅動的貸前風險態勢感知、貸中實時智能決策、貸后風險動態預警的大數據反欺詐風控大腦，服務1+N、政企銀、精準營運與營銷等多種創新金融服務模式，實現了科技驅動的銀行業務跨越性升級。此外，銀行團隊基于機器學習平臺所開發的反洗錢機器學習模型實現對可疑上報案例識別精準度的大幅提升：模型預測的洗錢可疑概率前20%的名單即可覆蓋超過85%的上報案例，預測概率前30的洗錢可疑名單錯誤率低于7%，且可基本排除反洗錢規則中60%的預警客戶，大幅降低誤報率，縮小反洗錢審查范圍。