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

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

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