經(jīng)過多年潛心研究和技術(shù)攻關(guān)，百融云創(chuàng)正在人工智能前沿領(lǐng)域不斷取得創(chuàng)新成果。近期，百融云創(chuàng)人工智能實(shí)驗(yàn)室在不斷升級(jí)底層技術(shù)的基礎(chǔ)上全新推出了可靈活支持本地化或云端部署的自動(dòng)機(jī)器學(xué)習(xí)平臺(tái)“ORCA”，為金融機(jī)構(gòu)客戶提供快速高效開發(fā)AI模型的能力。這一為金融場(chǎng)景建模量身打造的一站式機(jī)器學(xué)習(xí)服務(wù)平臺(tái)的推出，將大大降低AI開發(fā)、應(yīng)用的門檻和成本，加速產(chǎn)業(yè)AI化進(jìn)程。

機(jī)器學(xué)習(xí)系統(tǒng)是推進(jìn)工業(yè)界落地人工智能應(yīng)用不可或缺的助力。在過去幾年中，機(jī)器學(xué)習(xí)發(fā)展迅速，但其應(yīng)用需要大量的人工干預(yù)，表現(xiàn)在：特征提取、模型選擇、參數(shù)調(diào)節(jié)等方面，而AI技術(shù)人員的嚴(yán)重短缺導(dǎo)致模型部署困難重重。與此同時(shí)，AI落地是將AI服務(wù)與場(chǎng)景相結(jié)合，一個(gè)好的機(jī)器學(xué)習(xí)系統(tǒng)不僅要懂AI，更要懂行業(yè)。以金融場(chǎng)景為例，在風(fēng)控環(huán)節(jié)中普遍存在信息不對(duì)稱、成本高、時(shí)效性差、效率低等問題，傳統(tǒng)的風(fēng)控手段已經(jīng)難以滿足需求，銀行等金融機(jī)構(gòu)紛紛開始基于機(jī)器學(xué)習(xí)搭建智能風(fēng)控體系。

為解決AI技術(shù)人員短缺以及AI落地困難的問題，百融云創(chuàng)深耕人工智能技術(shù)，結(jié)合自身的技術(shù)優(yōu)勢(shì)與行業(yè)經(jīng)驗(yàn)優(yōu)勢(shì)，專注金融場(chǎng)景推出了ORCA自動(dòng)機(jī)器學(xué)習(xí)平臺(tái)。ORCA融合算法原理與工程實(shí)踐經(jīng)驗(yàn)，完成“一站式”自動(dòng)機(jī)器學(xué)習(xí)，可以提供從數(shù)據(jù)準(zhǔn)備、模型開發(fā)訓(xùn)練、模型評(píng)估、模型部署的全流程建模。相對(duì)通用的機(jī)器學(xué)習(xí)框架，ORCA提供超過200種算子來解決金融場(chǎng)景復(fù)雜數(shù)據(jù)情況，實(shí)現(xiàn)模型推理速度3倍提升，建模到部署周期可縮短50%。

目前，百融云創(chuàng)ORCA自動(dòng)機(jī)器學(xué)習(xí)平臺(tái)已經(jīng)在公司內(nèi)部投產(chǎn)于建模平臺(tái)，服務(wù)于數(shù)據(jù)分析、精準(zhǔn)營(yíng)銷業(yè)務(wù)的各個(gè)建模環(huán)節(jié)，承載每日數(shù)億級(jí)的模型推理服務(wù)，幫助金融機(jī)構(gòu)極大提升建模效率。具體來看，此次全新推出的自動(dòng)機(jī)器學(xué)習(xí)平臺(tái)實(shí)現(xiàn)了如下幾個(gè)產(chǎn)品功能升級(jí):

ORCA_ML: 可解釋&可視化的交互式編程建模產(chǎn)品，支持?jǐn)?shù)據(jù)準(zhǔn)備、模型開發(fā)訓(xùn)練、模型部署。

ORCA_AML：端到端的AutoML建模產(chǎn)品，支持多目標(biāo)、遺傳算子、超參調(diào)優(yōu)全流程自動(dòng)化建模。

ORCA_Serving：快速模型部署框架，實(shí)時(shí)模型推理性能較通用框架提升3倍。

一、ORCA_ML機(jī)器學(xué)習(xí)框架算法

依據(jù)機(jī)器學(xué)習(xí)算法原理，提供封裝良好的處理數(shù)據(jù)的工具，并且可以搭建出機(jī)器學(xué)習(xí)建模全流程。作為良好的機(jī)器學(xué)習(xí)框架，ORCA_ML具備了可重用、可擴(kuò)展、可落地三要素，表現(xiàn)在：方法論不會(huì)因?yàn)閿?shù)據(jù)變更而失效，可以循環(huán)往復(fù)地嘗試；靈活可自定義設(shè)計(jì)，滿足定制化建模需求，例如自定義算子；可以構(gòu)建出可解釋，可交付的模型應(yīng)用，滿足企業(yè)級(jí)模型落地需要。同時(shí)，ORCA_ML具有如下特點(diǎn)：

領(lǐng)域特定：專注于金融領(lǐng)域常用算法，目前已有200+算子；

性能高：算子經(jīng)過深度優(yōu)化，例如毫秒級(jí)別的變量分箱；

效率提升：相對(duì)于傳統(tǒng)建模，周期縮短50%；

擴(kuò)展性好：能夠自定義算子；

因此，ORCA_ML著力于成為一個(gè)在金融領(lǐng)域，覆蓋風(fēng)控、營(yíng)銷、反欺詐全場(chǎng)景的機(jī)器學(xué)習(xí)框架，使其既可以輕易上手，又方便擴(kuò)展，并且可以快速訓(xùn)練模型并落地應(yīng)用。

二、ORCA_AML自動(dòng)機(jī)器學(xué)習(xí)框架

具備機(jī)器學(xué)習(xí)能力與自動(dòng)訓(xùn)練能力，能夠運(yùn)用機(jī)器學(xué)習(xí)算法完成數(shù)據(jù)建模，并保證一定的效果，在極少人工干預(yù)下仍舊能夠完成模型訓(xùn)練。同時(shí)具有如下特點(diǎn):

1.低耦合度：可以替換機(jī)器學(xué)習(xí)算子庫，算子超參數(shù)空間等；

2.性能顯著: 多目標(biāo)優(yōu)化效果顯著，在線上業(yè)務(wù)上提升10%；

3.簡(jiǎn)單易用:  兩行代碼自動(dòng)訓(xùn)練模型；

4.擴(kuò)展性好:  可以自定義交叉驗(yàn)證方式, 生命周期函數(shù)等；

通過分析試用信用卡（類信用卡）、線下消費(fèi)分期等業(yè)務(wù)，從KS、AUC和時(shí)間方面均體現(xiàn)出ORCA_AML在實(shí)際測(cè)試中的優(yōu)勢(shì)。其中KS值越大，表示模型能夠?qū)⒑?、壞客戶區(qū)分開的程度越大；AUC值越大說明模型準(zhǔn)確性越好。具體對(duì)比如下：

三、ORCA_Serving機(jī)器學(xué)習(xí)模型部署框架  

通過代碼生成技術(shù)將復(fù)雜的機(jī)器學(xué)習(xí)全流程轉(zhuǎn)換為可以執(zhí)行的高級(jí)程序語言，在特定場(chǎng)景下獲得了巨大的性能提升。為了與傳統(tǒng)的Sklearn方案對(duì)比，百融云創(chuàng)人工智能專家針對(duì)模型打分部分進(jìn)?評(píng)測(cè)。具體實(shí)驗(yàn)?案如下：

1. 使?同樣的3w樣本在不同情況下建模；

2. 對(duì)于同?個(gè)模型使?不同的?案導(dǎo)出模型部署?件；

3. 對(duì)10條樣本每條進(jìn)?單條打分預(yù)測(cè)（模擬線上環(huán)境），統(tǒng)計(jì)打分耗時(shí)，取單條打分平均耗時(shí)作為性能評(píng)測(cè)指標(biāo)，單位為毫秒；

在建模過程中設(shè)定不同樹的棵樹，?較在簡(jiǎn)單模型和復(fù)雜模型情況下不同?案的打分性能。

在建模過程中選取不同的?模變量數(shù)量，?較不同?模變量維度的打分性能。

結(jié)果顯示，ORCA相比于傳統(tǒng)的Sklearn，在打分性能上有了顯著的提高，也更易于在線上環(huán)境部署。

作為國(guó)內(nèi)領(lǐng)先的獨(dú)立AI技術(shù)平臺(tái)，百融云創(chuàng)自成立以來，在“成為金融行業(yè)基石”的愿景推動(dòng)下，制定了幫助金融機(jī)構(gòu)實(shí)現(xiàn)數(shù)字化、智能化轉(zhuǎn)型的戰(zhàn)略。百融云創(chuàng)人工智能實(shí)驗(yàn)室負(fù)責(zé)人表示，將以此次全新推出的自動(dòng)機(jī)器學(xué)習(xí)平臺(tái)為契機(jī)，不斷提高技術(shù)研發(fā)水平，強(qiáng)化科研成果應(yīng)用，提升創(chuàng)新服務(wù)意識(shí)，始終引領(lǐng)金融行業(yè)的科技創(chuàng)新方向。

免責(zé)聲明：市場(chǎng)有風(fēng)險(xiǎn)，選擇需謹(jǐn)慎！此文僅供參考，不作買賣依據(jù)。

關(guān)鍵詞：