- Auto ML — алгоритм, который умеет создавать другие модели.
- Алгоритм показал качество предсказания, сравнимое с работой дата-сайентиста, при этом справился с задачей за 55 минут против одного-двух дней работы человека.
Сбербанк создал новую модель машинного обучения Auto ML, сообщил на Российском инвестиционном форуме заместитель Председателя Правления Сбербанка Анатолий Попов.
Auto ML — алгоритм, который умеет создавать другие модели. А они, в свою очередь, уже решают прикладные задачи — например, прогнозируют платежеспособность клиента при выдаче кредита или помогают отделять законопослушных клиентов от нарушителей.
В январе 2019 г. был проведен пилот: алгоритмы Auto ML были применены для создания нескольких baseline-моделей (первых версий) класса Next BestAction (таргетирование кампаний продаж).
Алгоритм позволяет оптимизировать один из важных шагов создания применяемой в бизнесе модели машинного обучения, а именно создание baseline модели (первой версии модели, которая потом развивается уже с участием человека). Качество baseline-моделей созданных алгоритмом Auto ML сопоставимо с качеством модели создаваемой в ручную. При этом скорость работы алгоритма в 10-15 раз превосходит скорость работы человека.
Полученные результаты доказывают возможность использования технологии автоматического моделирования для быстрого формирования базовых моделей обработки данных и использования его для запуска кампаний продаж корпоративно-инвестиционного бизнеса Сбербанка.
Анатолий Попов, заместитель Председателя Правления Сбербанка:
Одна из возможностей для повышения эффективности всех бизнес процессов в банке - внедрение искусственного интеллекта. Однако создание десятков тысяч моделей, чтобы покрыть все аспекты деятельности является практически нереальной задачей, если для создания и внедрения моделей применять только ручной труд дата-сайентистов и разработчиков. Поэтому мы внедряем у себя один из самых современных в мире подходов к работе с моделями машинного обучения – Auto ML. Систему алгоритмов, которая быстро и самостоятельно создает прикладные решения на основе моделей машинного обучения
