Войти
Для всех
Private
Малому и среднему бизнесу
Крупному бизнесу
Финансовым организациям
Инвесторам
Карты
Вклады и счета
Кредиты
Премиум
Инвестиции
Автокредитование
Ипотека
Услуги и сервисы
Отделения банка
Банкоматы
Перейти в раздел
Расчетный счет
Депозиты
Банковское сопровождение
Бизнес-карты
Кредиты и гарантии
Сервисы для бизнеса
ВЭД
Онлайн-сервисы
Зарплатный проект
Брокерское обслуживание
Онлайн-инкассация
Партнерам
Эквайринг
Отделения банка
Банкоматы
Перейти в раздел
Зарплатные проекты
Банковское обслуживание
Брокерское обслуживание
Депозитарий
Финансирование
Услуги
Дистанционные сервисы
Информация
Отделения банка
Банкоматы

Газпромбанк провел мероприятие по машинному обучению

24 апреля 2019 года, Москва – В Газпромбанке прошло открытое мероприятие, посвященное практическим аспектам применения машинного обучения. В рамках тематической встречи в формате tech talk обсуждались перспективные направления использования байесовских методов. Помимо экспертов Газпромбанка на мероприятии выступили приглашенные спикеры: исследователь Центра искусственного интеллекта Samsung Артем Соболев и руководитель отдела качества поиска Mail.ru Владимир Гулин.

Модели, основанные на байесовских методах, находят все более широкое применение во всем спектре банковских задач: от оценки рисков инвестиционных проектов до автоматизации бизнес-процессов с применением компьютерного зрения. Байесовские методы позволяют специалистам банка использовать алгоритмы машинного обучения даже в условиях ограниченного объёма доступных данных, избегая риска переобучения моделей. Среди наиболее успешных проектов с применением байесовских методов в банке можно выделить создание схем взаимосвязей юридических лиц из неструктурированных данных, автоматизацию работы со сканированными версиями документов и оценку проектов первичного рынка жилой недвижимости для развития проектного финансирования.

«Газпромбанк видит большие перспективы в использовании машинного обучения для развития финансового сектора, при этом применение байесовских методов в широком периметре задач от оценки рисков низкодефолтных портфелей до обучения нейробайесовских сетей является одним из самых перспективных направлений развития алгоритмов машинного обучения, – отметил начальник Управления алгоритмов  машинного обучения Денис Суржко. – Мы намерены продолжить автоматизировать банковские процессы, расширяя сферы применения данных технологий».

Поделиться новостью:
Будьте в курсе всех новостей

Будьте в курсе всех новостей

Подпишитесь на рассылку

Департамент коммуникаций и маркетинга