Мнение Программного комитета о докладе
Денис занимается в Газпромбанке ML-моделями. Его рассказ — о предсказании действий клиентов и специфике банка, когда таких клиентов миллионы.
Как цифровая трансформация приводит к росту числа ML-моделей в проде и как с этим жить
Доклад принят в программу конференции
Целевая аудитория
DevOps и MLOps, Big Data-аналитики и разработчики, data officer, data scientists, data driven-менеджмент.
Тезисы
Цифровая трансформация в Газпромбанке резко увеличила потребности бизнеса в ML-моделях. Если раньше это были простые линейные модели, то современные реалии требуют внедрения новых подходов (бустинги, нейронные сети и т.д.).
Так как моделирование охватывает все больше направлений бизнеса банка, не только классическое кредитование, то на определенном этапе потребовалось выработать системное решение по выводу моделей в продакшн. Вследствие этого все больше решений принимается на основе моделей, что требует определенного уровня отказоустойчивости.
Все вышеперечисленное подводит нас к теме MLOps. На techtalk мы обсудим:
* Ключевые отличия в методиках DevOps и MLOps.
* Почему у вас не будет единого CI/CD-пайплайна.
* На каких этапах это превращается в MLSecOps.
* Какие инструменты помогают разработчикам моделей.
* Почему просто управлять кодом не получается.
* Другие наши боли, с которыми мы столкнулись при внедрении MLOps.
8 лет опыта в анализе данных и разработке. Из них более 5 лет в крупнейших банках России. Занимается разработкой ML-моделей в розничном бизнесе, проведением A/B-тестирования и оценкой бизнес-эффекта в Газпромбанке.
Газпромбанк
Газпромбанк — один из крупнейших банков России. Мы не просто банкиры: мы создаем искусственный интеллект, придумываем новые цифровые продукты и поддерживаем профессиональное комьюнити. Вместе мы станем самым дата-центричным и диджитализированным банком страны.
Видео
Другие доклады секции
TechTalk
