基于當前行業“數據安全和監管要求”“自主可控和自研訴求”“采購價格較高”“對AI前沿算法快速響應和研發實現”等痛點,以“基于AIOps的一體化Pipelines建模工程封裝,通過AI讓計算機有具備感知能力、認知能力”為核心功能,具備資源隔離、模型構建和部署特性的AI金融平臺產品。
01 資源隔離、模型構建和部署特性
· 多用戶隔離:滿足多個用戶隔離,互相不感知,可以多并發進行開發
· 資源隔離:在有限環境下進行合理的資源劃分,進行資源利用最大化
· 項目并發:支持不同部門、多個項目并發式開發
· 靈活:支持自研多種算法導入,數據安全使用
· 高效:
自動超參調優功能
模型智能評估、診斷
Notebook 交互性建模
建模流程pipeline流水式工作
· 性價比:CPU、 GPU資源高性能構建
· 支持一鍵式訓練
· 在線Http Sevice部署
· 支持批量離線預測服務部署
· 支持服務的資源配置、負載均衡
· 支持服務質量審查、運行狀況監控
· 快速應用到生產環境
02 k8s微服務框架
· 開源的容器集群
· 較少的集群成本
· 公有云、私有云、混合云、多態云
· 動態部署、快速回滾
· 模塊化、插件化、可掛載、可組合
· 自動部署、自動重啟、自動復制、自動伸縮
· Master &Slave多集群管理
· 實現CPU、GPU、內存等資源隔離,滿足多users使用
· 實現資源自適應調度
03 kubeflow一站式Al建模流程框架
簡化了在Kubernetes上運行機器學習任務的流程,實現了一套完整可用的自動化流水線
實現了native的云原生,即本地訓練好的模型,可以一鍵上云,使得本地開發和云開發在同一環境,最大限度提升開發效率
能滿足業務的定制化需求,自動調配計算資源。
· 某銀行:信用風險評分模型KS0.4以上, AUC0.85以上
· 某銀行:構建信貸反欺詐模型,有效提升欺詐案例的識別度
· 某銀行:審核平臺上線后,審核人員人數減少25%、審核時間縮短50%,審核出錯率在人工基礎上降低了30%
· 行業推廣:目前在多家銀行進行平臺部署測試、大面積推廣