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)人工智能實驗室在不斷升級底層技術(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機器學(xué)習(xí)平臺“ORCA”，為金融機構(gòu)客戶提供快速高效開發(fā)AI模型的能力。這一為金融場景建模量身打造的一站式機器學(xué)習(xí)服務(wù)平臺的推出，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化進程。

機器學(xué)習(xí)系統(tǒng)是推進工業(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)人員的嚴重短缺導(dǎo)致模型部署困難重重。與此同時，AI落地是將AI服務(wù)與場景相結(jié)合，一個好的機器學(xué)習(xí)系統(tǒng)不僅要懂AI，更要懂行業(yè)。以金融場景為例，在風控環(huán)節(jié)中普遍存在信息不對稱、成本高、時效性差、效率低等問題，傳統(tǒng)的風控手段已經(jīng)難以滿足需求，銀行等金融機構(gòu)紛紛開始基于機器學(xué)習(xí)搭建智能風控體系。

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)勢與行業(yè)經(jīng)驗優(yōu)勢，專注金融場景推出了ORCA自動機器學(xué)習(xí)平臺。ORCA融合算法原理與工程實踐經(jīng)驗，完成“一站式”自動機器學(xué)習(xí)，可以提供從數(shù)據(jù)準備、模型開發(fā)訓(xùn)練、模型評估、模型部署的全流程建模。相對通用的機器學(xué)習(xí)框架，ORCA提供超過200種算子來解決金融場景復(fù)雜數(shù)據(jù)情況，實現(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自動機器學(xué)習(xí)平臺已經(jīng)在公司內(nèi)部投產(chǎn)于建模平臺，服務(wù)于數(shù)據(jù)分析、精準營銷業(yè)務(wù)的各個建模環(huán)節(jié)，承載每日數(shù)億級的模型推理服務(wù)，幫助金融機構(gòu)極大提升建模效率。具體來看，此次全新推出的自動機器學(xué)習(xí)平臺實現(xiàn)了如下幾個產(chǎn)品功能升級:

ORCA_ML: 可解釋&可視化的交互式編程建模產(chǎn)品，支持數(shù)據(jù)準備、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、遺傳算子、超參調(diào)優(yōu)全流程自動化建模。

ORCA_Serving：快速模型部署框架，實時模型推理性能較通用框架提升3倍。

一、ORCA_ML機器學(xué)習(xí)框架算法

依據(jù)機器學(xué)習(xí)算法原理，提供封裝良好的處理數(shù)據(jù)的工具，并且可以搭建出機器學(xué)習(xí)建模全流程。作為良好的機器學(xué)習(xí)框架，ORCA_ML具備了可重用、可擴展、可落地三要素，表現(xiàn)在：方法論不會因為數(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，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)級模型落地需要。同時，ORCA_ML具有如下特點：

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，例如毫秒級別的變量分箱；

效率提升：相對于傳統(tǒng)建模，周期縮短50%；

擴展性好：能夠自定義算子；

因此，ORCA_ML著力于成為一個在金融領(lǐng)域，覆蓋風控、營銷、反欺詐全場景的機器學(xué)習(xí)框架，使其既可以輕易上手，又方便擴展，并且可以快速訓(xùn)練模型并落地應(yīng)用。

二、ORCA_AML自動機器學(xué)習(xí)框架

具備機器學(xué)習(xí)能力與自動訓(xùn)練能力，能夠運用機器學(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。同時具有如下特點:

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

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

3.簡單易用:  兩行代碼自動訓(xùn)練模型；

4.擴展性好:  可以自定義交叉驗證方式, 生命周期函數(shù)等；

通過分析試用信用卡（類信用卡）、線下消費分期等業(yè)務(wù)，從KS、AUC和時間方面均體現(xiàn)出ORCA_AML在實際測試中的優(yōu)勢。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值越大說明模型準確性越好。具體對比如下：

三、ORCA_Serving機器學(xué)習(xí)模型部署框架  

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

1. 使?同樣的3w樣本在不同情況下建模；

2. 對于同?個模型使?不同的?案導(dǎo)出模型部署?件；

3. 對10條樣本每條進?單條打分預(yù)測（模擬線上環(huán)境），統(tǒng)計打分耗時，取單條打分平均耗時作為性能評測指標，單位為毫秒；

在建模過程中設(shè)定不同樹的棵樹，?較在簡單模型和復(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。

作為國內(nèi)領(lǐng)先的獨立AI技術(shù)平臺，百融云創(chuàng)自成立以來，在“成為金融行業(yè)基石”的愿景推動下，制定了幫助金融機構(gòu)實現(xiàn)數(shù)字化、智能化轉(zhuǎn)型的戰(zhàn)略。百融云創(chuàng)人工智能實驗室負責人表示，將以此次全新推出的自動機器學(xué)習(xí)平臺為契機，不斷提高技術(shù)研發(fā)水平，強化科研成果應(yīng)用，提升創(chuàng)新服務(wù)意識，始終引領(lǐng)金融行業(yè)的科技創(chuàng)新方向。

免責聲明：市場有風險，選擇需謹慎！此文僅供參考，不作買賣依據(jù)。

關(guān)鍵詞：