shap.
Как я построил ML-пайплайн для поиска подозрительных транзакций и почему одной классификации оказалось мало
С ростом числа финансовых операций аналитикам всё сложнее вручную разбирать срабатывания систем финмониторинга — а большинство из них ложные.Привет! Меня зовут Максим Коцюба, я старший инженер по данным с опытом в финсекторе — ВТБ и Сбер, выпускник онлайн-магистратуры «Инженерия данных
Кот, ваза и три уровня причинности: что ИИ пока не умеет
Ученые в развитии ИИ добились успехов в таких областях как предсказание в пространствах больших размерностей, обучение с подкреплением. Модели находят применение в разных областях: от медицины до исследования космоса. Значит ли это, что мы движемся в правильном направлении? Что еще можно будет в будущем добавить к этому списку?Ведущие исследователи сходятся к мнению, что масштабирования недостаточно для понимания полной картины мира, нужны новые идеи:Just scaling is not enough... We need new ideas for the next jump. (Ilya Sutskever, Co-Founder and Chief Scientist at Safe Superintelligence Inc)и проблема не в данных:
ML‑пайплайн как конечный автомат: от данных до аудита решений
Привет, Хабр! Меня зовут Андрей Бирюков. Я — независимый эксперт в области ИТ и ИБ, преподаю в учебных центрах и пишу статьи и книги. Сегодня мы поговорим об очень злободневной теме — отладке. Да, для машинного обучения эта тема тоже очень актуальна. Давайте представим, что вы выкатили новую модель в продуктив. Через неделю бизнес приходит с вопросом: «Почему в пятницу модель одобрила кредит клиенту с просрочкой, а в понедельник — отказала такому же?»
Трафик под микроскопом: ML‑модель в поиске новых сетевых «отпечатков» вредоносов
ОглавлениеКраткое введение: основные изменения в ML модель
Shap-графики: как наглядно объяснить заказчику логику работы модели
Всем привет. Я Андрей Бояренков, лидер кластера бизнес-моделей стрима "Разработка моделей КИБ и СМБ" банка ВТБ.Наш кластер отвечает за: - выстраивание и внедрение процессов AutoML,
Объяснимый ИИ в ML и DL
Объяснимый ИИ — очень важный аспект в ML и DL. Он заключается в том, чтобы интерпретировать модель так, чтобы можно было около прозрачно объяснить ее решения. Потому что это довольно частая необходимость как у конечного заказчика, ведь для них это просто «черный ящик», так и у разработчиков непосредственно (например, для отладки модели). На русском языке таких статей не так много (для тех, кто знает английский проблем с этим нет, на нем таких статей много, например, Kaggle), поэтому я решил, что статья покажется актуальной, и сегодня я попробую рассказать про это и показать на конкретном примере, как его можно реализовать.
Как мы обучили модель прогноза ранней просрочки: логистическая регрессия vs градиентный бустинг
Всем привет! На связи дата-сайентисты стрима разработки моделей для корпоративного сегмента ВТБ — Андрей Бояренков, Иван Кондраков и Денис Дурасов.Как уже писали ранее в другой статье
