PyModel

Machine Learning в Кредитном Скоринге


С каждым днем появляется все больше новых фреймворков и продвинутых алгоритмов машинного обучения, позволяющих строить намного более точные модели.

Microsoft LightGBM

Большинство решений для кредитного конвейера (автоматизации построения моделей) не поддерживает новейшие алгоритмы или сильно усложняет процесс их построения и внедрения.

Как внедрить Machine Learning?


PyModel

  • решение на python
  • широкий набор инструментов
  • простота использования
  • скорость прототипирования

Преимущества для пользователей


Сокращение времени деплоймента моделей

  • Бесшовный процесс
  • Автоматический деплоймент
  • Валидация и тестирование

Оперативная корректировка моделей

  • Обновление моделей силами аналитиков

Неограниченный выбор доступных методов ML

  • Возможность использования новейших разработок

Преимущества PyModel


Универсальное многопоточное API

Поддержка всех ML решений для python

Микросервисная архитектура

Универсальное многопоточное API

Поддержка всех ML решений для python

Микросервисная архитектура

Результаты работы PyModel


150
мс

Среднее время ответа

Запросов в секунду

50

Успешных внедрений

5

Real-time дашбордов

20

Разработка и deployment модели

Примеры реализованных моделей


Рисковые модели

  • Заявочный скоринг
  • Модель доходов клиента
  • Поведенческий скоринг
  • Модель утилизации

Прикладные задачи

  • Модель биометрической идентификации
  • Система распознавания очередей

Модели collection

  • Выход на 30+/90+
  • Модель сложности отработки
  • Выбор каналов коммуникации

Наши контакты