DarwinML-CSDN博客

原创 DarwinML拒绝推断：在金融信贷领域的最佳实践

拒绝推断的业务背景金融公司在每一轮借贷业务中会从申请借款的用户中挑选评分高的用户给予放贷，还款期限到后就可以知道放贷用户的贷后表现，这些有贷后表现的用户数据就成为有标签的样本被用于下一轮评分卡模型的创建或调整。但大量的被拒绝用户因为没有贷后表现，他们的数据不能被利用而白白浪费掉了。拒绝推断模块就是解决这个问题的，从被拒绝的样本中通过专门的算法选出一定数量的推荐样本，对选出样本打上0标签，即标记为好人，这些被选出样本作为好人加入到下次建模的训练集中，从而充分利用数据，提高公司收益。拒绝推断的工作流程

2020-07-23 15:08:54 429

原创流式推理引擎对比

什么是流式推理引擎推理引擎是将人工智能模型转化为生产力的关键部件。它衔接数据科学家、终端用户和运营商，在典型的商业场景中，运营商将数据科学家研究的人工智能模型，部署于计算平台，并引导终端用户的请求在计算平台各模型间流转，最终形成客户期望的响应，并在其终端展示。流式推理引擎是推理引擎的一种工作形态，他将人工智能模型及相关的周边处理，以工作流的方式组织起来，对外提供更能适配客户业务需求的推理服务。它工作的时候，数据从终端客户或设备开始，在推理引擎的驱动下，按照既定的工作流业务逻辑，在各智能和非智能处理节点

2020-07-23 15:00:14 5439

原创 DarwinML自动化规则生成：在金融信贷领域的最佳实践

自动化规则的业务背景在许多金融公司的风控介绍中，都说自己用到了人工智能，机器学习，深度学习模型等技术，在人工智能的风口上，但凡讨论点技术问题都得跟AI沾点边，不说自己会点机器学习模型都不好意思出门。但是在生产应用中，人工智能模型，或者说机器学习模型存在着不可解释的问题，在我们公司内部，使用最广的还是规则引擎，目前来说还是没有一个可以完全脱离规则的金融公司。研究规则的自动生成具有其现实的意义，不单单是规则对于人来说易于理解，没有机器学习的门槛那么高，同时规则对于业务人员来说其可控性也是最好的...

2020-07-06 15:31:15 764

原创普通人使用AutoML可以做到什么程度

普通人使用AutoML可以做到什么程度可以在Kaggle排进top1%。1天时间。全文阅读大概需要5分钟。—————————— 分割线 ————————————你不需要是一名数据科学家或者资深算法工程师，就可以在kaggle比赛拿下top1%。之所以这么说是因为我做到了。我在探智立方实习接近半年，主要的工作是理解客户的业务，协助客户一同完成数据分析和模型训练。只使用过Excel、Tableau，Pandas等工具。本以为清明节，只能宅家躲避疫情，刷老罗的直播有没有推新品护发素什么的。没想到，使

2020-06-08 11:23:26 829

原创 DarwinML自动建模最佳实践 - 面向医疗研究者的自动建模平台

本文将以重症监护医学领域的应用为例，讲述如何使用DarwinML来辅助医疗研究者。功能包括以页面拖拽方式自动抽取数据特征，并根据实际研究需要，调整入模特征、数据清洗方案、模型拟合方向等，使用平台可反复生成并比较模型，最终完成研究目标。为了帮助研究者专注于领域内积累，考虑到医疗研究者同时面临临床医疗和病理研究等多方压力，在使用DarwinML过程中，我们全程支持点击拖拽，中间结果可视可下载，研究者只需重点关注原始数据输入和评估结果输出。DarwinML DataFusion数据抽取平台该平台帮助研究者将

2020-05-25 17:56:46 978