2 minuty Czytania

AI w bankowości.

Troje młodych ludzi uczestniczących w szkoleniu Al w bankowości - dwóch mężczyzn i kobieta, siedzą przy biurku i piszą.

Wyzwanie.

Dla naszego klienta, lidera w dziedzinie bankowości, przygotowaliśmy szkolenie „Al w bankowości”, którego celem było zdobycie praktycznej wiedzy pozwalającej pracownikom banku na samodzielną realizację projektów, wymagających użycia technik sztucznej inteligencji

Rozwiązanie.

Potrzeba klienta została zrealizowana w oparciu o przeprowadzenie szkolenia składającego się z 4 modułów:

  1. Wprowadzenie do języka Python – 1 dzień.
  2. Praca z danymi w Big Data – 3 dni.
  3. Algorytmy i techniki Machine Learning – 4 dni.
  4. Wprowadzenie do algorytmów i technik Deep Learning – 4 dni.

Szczegółowy program szkolenia został opracowany w oparciu o wyniki ankiety wstępnej przeprowadzonej wśród kursantów oraz o zdefiniowany katalog wymaganych umiejętności, potrzebnych do samodzielnej pracy. Następnie uczestnicy szkolenia o zbliżonych umiejętnościach i doświadczeniu zostali podzieleni na grupy. To pozwoliło nam sprawniej przeprowadzić szkolenie i zrealizować dodatkowe tematy na prośbę uczestników. Łącznie szkolenie przygotowane zostało dla 24 osób.

Zajęcia miały formę warsztatów praktycznych poprzedzonych odpowiednim wprowadzeniem teoretycznym do każdego zagadnienia. Z uwagi na specyfikę problemów, w trakcie warsztatów, wykorzystaliśmy dane z obszaru bankowości i wspólnie z uczestnikami tworzyliśmy rozwiązania typowych problemów z tej dziedziny. W oparciu o specjalnie przygotowane zadania uczestnicy mieli możliwość przećwiczyć zdobytą wiedzę i szybciej zaimplementować prezentowane techniki w praktyce. W szkoleniu wykorzystane zostały narzędzia i frameworki takie jak Scipy, XGBoost, Tensorflow, Apache Spark, Jupyter Notebook. Szkolenie zostało przeprowadzone na naszej platformie szkoleniowej i skonfigurowanych odpowiednio maszynach wirtualnych

Czworo młodych ludzi, dwie kobiety siedzące przy biurku i dwóch mężczyzn - jeden stoi, drugi również siedzi przy biurku.

Efekty.

Kursanci zdobyli praktyczną wiedzę z obszaru :

  1. pracy z Python przy analizie danych;
  2. pracy z dużymi zbiorami danych w oparciu o silnik Spark;
  3. tworzenia modeli z pomocą algorytmów maszynowego uczenia;
  4. prototypowania Sieci Neuronowych do problemów klasyfikacji i prognozowania;
  5. wdrażania modeli na produkcję i ich dalszego tuningowania.

W trakcie części warsztatowych pracowaliśmy nad rozwiązaniami problemów:

  1. predykcji szeregów czasowych i wartości klienta;
  2. scoringu ryzyka kredytowego oraz
  3. detekcji fraudu na podstawie transakcji.

Podsumowanie.

Szkolenie pozwoliło na szybkie wdrożenie w organizacji najnowszych narzędzi i technik, a także ulepszenie istniejących modeli. Uczestnicy otrzymali gotowy zestaw notebooków, dzięki którym mogli w krótkim czasie zaimplementować przedstawione na szkoleniu rozwiązania.

Ze szkolenia tego typu mogą skorzystać przedstawiciele obszaru bankowości i  bezpieczeństwa, w szczególności zajmujący się analizą danych, budową modeli scoringowych czy detekcją anomalii. Korzyści płynące ze szkolenia to szybkie wdrożenie najlepiej rokujących modeli na produkcję i budowa rozwiązania end-to-end.