构建高效的风控机器学习平台

阅读数:2013 2019 年 8 月 24 日 17:17

构建高效的风控机器学习平台

QCon 北京 2018 大会上,张彭善讲师做了《构建高效的风控机器学习平台》主题演讲,主要内容如下。

演讲简介

随着互联网金融的发展以及 PayPal 接入越来越多的商家和平台,各业务部门都在极力推进机器学习的应用尤其是风控模型的应用。然而,无论是从业务方还是平台部门角度来讲,构建机器学习的平台可以更加快速有效的帮助用户快速构建原型、部署模型、做线上实验等。本议题主要介绍 PayPal 在构建机器学习平台方面做的相关工作和经验。

主要内容

  1. 构建机器学习平台所需的核心组件;
  2. 线上线下机器学习流水线构建;
  3. 深度学习在线推断框架和深度学习服务构建。

听众受益

  1. 如何构建机器学习平台,统一线上线下各组件和资源管理;
  2. 构建自服务的机器学习模型的相关实践;
  3. 深度学习线上模型部署和扩展服务的相关经验分享。

讲师介绍

张彭善

PayPal 大数据研发架构师,资深数据科学家

张彭善,2008 年硕士毕业于上海交通大学,2012 年初加入 PayPal Risk Data Science 团队。2013 年初开始研发基于 Hadoop/YARN 的机器学习框架,以满足 PayPal 日益增长的风控大数据的需要。主要负责使用 Hadoop/YARN 实现分布式的神经网络、逻辑回归以及梯度提升树等算法。目前在 PayPal Risk 负责分布式机器学习的框架的研发以及机器学习工程化的端到端的系统平台建设。个人的兴趣主要集中在分布式的计算系统和大规模的机器学习 / 深度学习方向。

构建高效的风控机器学习平台

构建高效的风控机器学习平台

构建高效的风控机器学习平台

构建高效的风控机器学习平台

构建高效的风控机器学习平台

构建高效的风控机器学习平台

构建高效的风控机器学习平台

构建高效的风控机器学习平台

构建高效的风控机器学习平台

构建高效的风控机器学习平台

完整演讲 PPT 下载链接

https://qcon.infoq.cn/2018/beijing/schedule

评论

发布