Газпромбанк провел мероприятие по машинному обучению
24 апреля 2019 года, Москва – В Газпромбанке прошло открытое мероприятие, посвященное практическим аспектам применения машинного обучения. В рамках тематической встречи в формате tech talk обсуждались перспективные направления использования байесовских методов. Помимо экспертов Газпромбанка на мероприятии выступили приглашенные спикеры: исследователь Центра искусственного интеллекта Samsung Артем Соболев и руководитель отдела качества поиска Mail.ru Владимир Гулин.
Модели, основанные на байесовских методах, находят все более широкое применение во всем спектре банковских задач: от оценки рисков инвестиционных проектов до автоматизации бизнес-процессов с применением компьютерного зрения. Байесовские методы позволяют специалистам банка использовать алгоритмы машинного обучения даже в условиях ограниченного объёма доступных данных, избегая риска переобучения моделей. Среди наиболее успешных проектов с применением байесовских методов в банке можно выделить создание схем взаимосвязей юридических лиц из неструктурированных данных, автоматизацию работы со сканированными версиями документов и оценку проектов первичного рынка жилой недвижимости для развития проектного финансирования.
«Газпромбанк видит большие перспективы в использовании машинного обучения для развития финансового сектора, при этом применение байесовских методов в широком периметре задач от оценки рисков низкодефолтных портфелей до обучения нейробайесовских сетей является одним из самых перспективных направлений развития алгоритмов машинного обучения, – отметил начальник Управления алгоритмов машинного обучения Денис Суржко. – Мы намерены продолжить автоматизировать банковские процессы, расширяя сферы применения данных технологий».
Модели, основанные на байесовских методах, находят все более широкое применение во всем спектре банковских задач: от оценки рисков инвестиционных проектов до автоматизации бизнес-процессов с применением компьютерного зрения. Байесовские методы позволяют специалистам банка использовать алгоритмы машинного обучения даже в условиях ограниченного объёма доступных данных, избегая риска переобучения моделей. Среди наиболее успешных проектов с применением байесовских методов в банке можно выделить создание схем взаимосвязей юридических лиц из неструктурированных данных, автоматизацию работы со сканированными версиями документов и оценку проектов первичного рынка жилой недвижимости для развития проектного финансирования.
«Газпромбанк видит большие перспективы в использовании машинного обучения для развития финансового сектора, при этом применение байесовских методов в широком периметре задач от оценки рисков низкодефолтных портфелей до обучения нейробайесовских сетей является одним из самых перспективных направлений развития алгоритмов машинного обучения, – отметил начальник Управления алгоритмов машинного обучения Денис Суржко. – Мы намерены продолжить автоматизировать банковские процессы, расширяя сферы применения данных технологий».
