Alfa Advanced Analytics

Как оценивать риски при помощи нейросетей 📊 На этих выходных предлагаем вам прочитать статью Никиты Пархоменко, специалиста по разработке нейронных сетей, о создании нейросетевой модели кредитного скоринга. Из неё вы узнаете: 📌 Зачем понадобилась единая модель 📌 Как устроена её архитектура 📌 Какие результаты уже демонстрирует модель Переходите по ссылке и читайте статью целиком на Хабре! #aaa_habr

Feature Store или как обеспечить быструю доставку данных по запросу 🛒 В работе с данными для обучения моделей (в частности, нейросетей) много рутины: под каждую ML-модель нужно создать свой набор данных (датасет), убрать лишние признаки (фичи) и протестировать точность предсказаний. Иногда при изменении датасета нужно собирать данные по новой. Это неудобно и требует много времени. Чтобы оптимизировать работу с данными, мы решили разработать Feature Store. Подробнее о том, что такое "супермаркет" данных, о том, как работает Feature Store и кому он в первую очередь нужен вы узнаете в наших карточках

Новое пополнение в коллекцию мемов от ААА 💥 Под конец недели решили немного вас порадовать и подготовили новую подборку мемов. Сохраняйте для себя и делитесь ими с друзьями, а комментариях под этим постом кидайте свои любимые мемы 👇

Боты есть везде и нужны всем — особенно пользователям банков 🤖 Как показало исследование VK Мессенджера (онлайн-опрос более 1200 жителей крупных городов России), о чат-ботах сегодня знают 90% россиян, из которых 81% активно их используют. Чаще всего с ними сталкиваются в приложениях банков или в мессенджерах. В карточках расскажем о главных результатах этого исследования. А по ссылке вы сможете узнать о его основных выводах из оригинального источника. #aaa_news #deep_dive_into_deep_tech

Чтобы сделать контент нашего канала интереснее и информативнее для аудитории, мы решили узнать у вас, о чём нам стоит писать больше. Отмечайте в опросе ниже рубрики и темы, которые вам ближе, или делитесь своими идеями в комментариях. С нетерпением ждём предложений — ваше мнение очень ценно для нас ❤️

Как оптимизировать график работы сотрудников банка с помощью математической модели? 📈 Спешим поделиться с вами статьёй Владимира Курситыса из Альфа-Банка. Мы узнали у него, какие задачи выполняли специалисты для создания модели, с какими трудностями они столкнулись и как их решили. Обо всём этом мы расскажем вам в карточках ⬆️ Из самой статьи вы узнаете: 🔍 Зачем понадобилась модель, которая прогнозирует количество посетителей и сама составляет расписание работы сотрудникам 🔍 Как работает модель 🔍 Каков эффект работы модели Читайте статью целиком на VC по ссылке #aaa_news #aaa_alfa

Поговорим о техно- датасетах 🎧 📢 Стартовал новый сезон «Деньги любят техно» — подкаста о финтехе в самом широком смысле этого слова Первый выпуск посвящён датасетам для искусственного интеллекта! В выпуске Алексей Каширин, директор Центра продвинутой аналитики Альфа-Банка, и Сергей Голицын, вице-президент, заместитель руководителя Департамента анализа данных и моделирования ВТБ, поговорили о: ➖применении ИИ в финтехе и других отраслях ➖об опыте работы своих команд ➖и о самых заметных событиях в этой области Слушайте техноподкаст на платформах: 🟣Яндекс Музыка 🟣Spotify 🟣Apple Podcasts 🟣Google Podcasts #aaa_experts

Как получить работающий конвейер после ухода вендора? 🫥 Чем больше компаний осознают пользу от машинного обучения, тем чаще они задаются вопросом: «Как использовать умные технологии эффективнее?» Эффективнее — это, во-первых, с доступным минимумом издержек, а во-вторых, с понятной пользой для бизнеса. Пользу обеспечивает скорость, с которой ML-модели «приземляются» на текущие процессы — её может дать автоматизация Автоматизировать вывод моделей в продакшен — это, по сути, запустить непрерывный конвейер. Такой конвейер в Альфе начали строить 1,5 года назад. Из них полгода выбирали оптимальное архитектурное решение, инструментарий, договаривались о минимально необходимом функционале Разработкой сначала занимался вендор: ➕Это сэкономило время и ресурсы внутренних команд ➖Внешняя разработка обнаружила свои ограничения С чем столкнулась наша команда: 🟣 Изначально не была настроена промышленная среда: быстро «починили», но удивились самому факту 🟣 Были по-разному реализованы стенды функционального и нагрузочного тестирования: выравнивание заняло больше месяца, тоже удивились 🟣 Не было доделано логирование: сначала его дорабатывал подрядчик, потом доделывали сами 🟣 Использовался устаревший софт: сами обновляли до актуальных версий и переустанавливали 🟣 Не было настроено бэкапирование: доделывали сами Начав плотнее работать с системой, поняли, что нужны и другие доработки: — Провели рефакторинг плэйбуков: переработали код системы, чтобы ускорить вывод моделей и повысить масштабируемость — Разработали новый технический процесс: запустили новый пайплайн поставки моделей на боевую среду — Доработали изначально непродуманный код — Улучшили логику работы с Hadoop Дальше решили автоматизироваться еще больше: разрабатываем автоматические тесты для моделей ML 🗣️ Наш вывод: за конвейером нужно бдительно следить, а, привлекая вендора, рассчитывать силы на то, чтобы быстро вносить доработки самим Если было интересно, ставьте 🔥 Будем чаще делиться подобными кейсами! #aaa_MLOps #aaa_hardposting

Как Альфа решает, в каких регионах расширять своё присутствие ❤️ Как понять, сколько менеджеров потребуется, чтобы эффективно работать, например, в Туле в течение 3-х лет без необходимости сокращений? Как это соотносится со стратегическими целями Альфы в регионах, и как изменится рыночная картина через 3 года? 📢 Делимся с вами новой статьёй на Хабре от Центра продвинутой аналитики, где найдёте ответы на эти вопросы! Валерий Новиков, senior data scientist, рассказал, как мы построили инструмент, с помощью которого: 🟣принимаем решение, сколько нужно менеджеров для привлечения юридических лиц в качестве клиентов в городах, где есть отделение Банка 🟣оцениваем будущий эффект от ввода дополнительного количества менеджеров 🟣моделируем рынок с учётом его важнейших параметров (как управляемых, так и неуправляемых) для среднесрочного и долгосрочного стратегического планирования численности ресурсов Банка P.S. Модель для оценки эффективности менеджеров мы строили с помощью такого простого алгоритма моделирования, как линейная регрессия. Интересно почему? Ответ также найдёте в статье😉 💖Читайте материал по ссылке и смотрите кружочек от Валеры👇🏻 #aaa_habr #aaa_ML #aaa_hardposting

И у нас есть победитель! 🎉 📢 На часах 20:00, а это значит, что пришло время объявить победителя конкурса Обладателем мерча от Альфы становится @Karina_Dozornova! Именно история Карины набрала наибольшее количество ваших реакций 🥳 В течение недели свяжемся с победителем и передадим приз 🎁 Благодарим каждого, кто поделился своей историей! Мы в Центре продвинутой аналитики уверены, что факапы — это тоже часть пути и их открытое обсуждение неминуемо приведёт вас к успеху! Не бойтесь говорить об ошибках открыто, ваш ЦПА ❤️ #aaa_fun

ААА! Это что, розыгрыш? 😍 📢 Нашему каналу чуть меньше двух месяцев, а вас уже невероятно много. И с каждым днём становится всё больше! Здесь мы делимся экспертизой Центра продвинутой аналитики Альфы, интересными бизнес-кейсами, полезными фоллоу-апами и важными достижениями Однако бывает, что не всегда попадаешь в нужные метрики с первого раза. Иногда буксует вывод в прод модели, над которой 24/7 работала целая команда. Может упасть сервер или вовремя не обновиться лицензия на софт. А иногда просто что-то не получается… Знакомо? Поделитесь с нами вашими историями! Чтобы принять участие в конкурсе: 1. Пишите в комментариях о самом факапном факапе, который случался в вашей карьере и как вы находили решение 👻 2. Ставьте реакции и оставляйте комментарии к другим историям 👍 3. Участнику, чей комментарий наберёт больше всего реакций, мы отправим топовый мерч от Альфы ❤️ Результаты объявим 17 июля, в понедельник, в 20.00 (мск) ⏺Готовы читать ваши истории, делиться своими и ставить реакции 👇🏻 #aaa_fun

Запускаем постоянную рубрику Deep dive в Deep Tech 🦾 Будем регулярно делиться самыми свежими новостями и аналитикой из мира продвинутых технологий! 📢 Сегодня расскажем о рейтинге XB100, который объединяет 100 ведущих мировых частных компаний в области Deep Tech Что такое Deep Tech? Deep Tech — это технологии, которые в прошлом были научной фантастикой, а сегодня являются частью нашей реальности. Происходит это благодаря направленному финансированию научных исследований со стороны бизнеса Рейтинг XB100 построен на основе четырёх критериев: ➖Влияние достижений компании на человечество ➖Стоимостная оценка ➖Научная концентрация (считали количество докторских степеней сотрудников и зарегистрированных патентов) ➖Коммерческий трекшн (показатель прогресса начинающей компании) Компании XB100 разделены на 9 категорий, которые активно двигают человечество вперед: 🟣Сельское хозяйство 🟣Искусственный интеллект 🟣Авиация 🟣Климат 🟣Мобильность 🟣Биотехнологии последнего поколения 🟣Квантовые технологии 🟣Робототехника 🟣Космос ⏺Чтобы изучить список компаний XB100 и посмотреть видео с их фаундерами и CEO, переходите по ссылке #aaa_news

И кто нас здесь всех собрал? 😼 📢 Пришло время рассказать, что такое Центр продвинутой аналитики и чем мы занимаемся в Альфа-Банке ЦПА — это департамент Альфы, в котором сконцентрирована мощная экспертиза Data Science, Data Engineering, Machine Learning и MLOps Некоторые из амбициозных целей, которые мы поставили до 2025 года: ➖Достигнуть эффекта от продвинутой аналитики в размере 20% от чистого операционного дохода Банка ➖Внедрить инструменты продвинутой аналитики во все ключевые бизнес-процессы Банка ➖Нарастить собственную экспертизу по передовым направлениям ML (нейросети, обработка естественного языка, речевая аналитика, компьютерное зрение) ➖ Автоматизировать процесс разработки моделей с помощью AutoML В картинках рассказываем, как устроен ЦПА изнутри. Подробнее о каждом хабе, управлении и о Лаборатории напишем в следующих публикациях! ✨ Делитесь тем, как устроена ваша команда, в комментариях #aaa_analytics

Как мы решаем задачу кредитного скоринга 🪪 Обычно решение задачи кредитного скоринга в банке основывается на построении мощных моделей градиентного бустинга на большом наборе табличных признаков. Лаборатория машинного обучения Альфы пошла другим путём и совместила этот подход с нейросетевым Делимся статьей с Хабра, из которой вы узнаете: — что такое кредитный скоринг и почему он критически важен для банков — как мы делаем выборку для обучения моделей, которые помогают определить дефолтность клиентов — какие модели используем — и каких результатов добиваемся ⏺Читайте материал по ссылке #aaa_habr #aaa_ML #aaa_hardposting

Начинаем день правильно: смотрим IT-мемы от ААА 🔥 Подготовили подборку, чтобы немного разбавить ваши рабочие data-будни ✨ Присылайте мемы, которые радуют вас и ваших коллег в комментариях. Будем пополнять коллекцию! #aaa_fun

Впереди выходные — время посмотреть что-то не только интересное, но и data-полезное 🍿 Делимся первой частью докладов с офлайн-дня Data Fest 2023 в Альфа-Банке! 🟣Сиквел «DL in finance»: рассеивая туман бэклога О том, каких успехов добились в применении нейросетей для решения классических банковских задач за прошедший год и как избавили дата-сайентистов от рутины Смотрите по ссылке 🟣Нейросетевые модели на последовательностях чеков ОФД Что такое чеки ОФД, какая информация о тратах клиента в них содержится и какие результаты приносит использование чеков в задаче кредитного скоринга Смотрите по ссылке 🟣Единая нейросетевая модель кредитного скоринга Как повысили качество в задаче кредитного скоринга с помощью нейросетевой модели, объединяющей такие источники данных, как транзакции, данные из Бюро кредитных историй и чеки Смотрите по ссылке Этими докладами мы дополнили открытый образовательный трек «Deep Learning in Finance» от Альфы на ods.ai #aaa_ML #aaa_watch