Хотели заменить RNN трансформерами
Не всё пошло по плану, но без важных открытий не остались 💡
В новой статье команда прикладных исследований и разработки моделей глубокого обучения делится актуальными разработках в области нейросетевого кредитного скоринга физических лиц.
На карточках рассказываем коротко, как менялась архитектура моделей, что дало максимальный аплифт и почему некоторые идеи оказались не такими эффективными, как ожидалось.
А полностью про эксперименты команды читайте в статье🔗
Не всё пошло по плану, но без важных открытий не остались 💡
В новой статье команда прикладных исследований и разработки моделей глубокого обучения делится актуальными разработках в области нейросетевого кредитного скоринга физических лиц.
На карточках рассказываем коротко, как менялась архитектура моделей, что дало максимальный аплифт и почему некоторые идеи оказались не такими эффективными, как ожидалось.
А полностью про эксперименты команды читайте в статье
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
❤15🔥6😍5
Взяли Generation AI Awards 2026 в номинации «Лучшее применение генеративного AI для разработки и тестирования» 🏆
Победу нам принес AgenticML — система AI-агентов, которая автоматизирует жизненный цикл ML-моделей. Проект помогает сократить рутинную работу сотрудников, ускоряет вывод моделей в прод и снижает модельные риски.
— Константин Четин, начальник управления по разработке инструментов автоматизации моделирования.
В карточках рассказываем, как устроен AgenticML, что происходит под капотом и каких результатов удалось добиться благодаря AI-агентам🔼
#aaa_hardposting
Победу нам принес AgenticML — система AI-агентов, которая автоматизирует жизненный цикл ML-моделей. Проект помогает сократить рутинную работу сотрудников, ускоряет вывод моделей в прод и снижает модельные риски.
«Победа Agentic ML в премии Generation AI Awards подтверждает правильность стратегического движения банка в области ИИ.
Мы начинаем применять агентов там, где раньше требовалась значительная ручная экспертная работа: анализ артефактов, подготовка документации, проверка качества кода и сопровождение моделей. Это позволяет дата-сайентистам меньше времени тратить на повторяющиеся операции и больше фокусироваться на исследовательской работе.
Для банка это шаг к повышению операционной эффективности ML-разработки. Экспертиза DS/ML-команд масштабируется и стандартизируется, time-to-market моделей сокращается, а качество решений растет при снижении модельных рисков»,
— Константин Четин, начальник управления по разработке инструментов автоматизации моделирования.
В карточках рассказываем, как устроен AgenticML, что происходит под капотом и каких результатов удалось добиться благодаря AI-агентам
#aaa_hardposting
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
❤🔥7🥰3👏3
Как научить LLM писать SQL для банка? ⚡
На Saint HighLoad++ наш коллега Никита Круглов, DS-разработчик, рассказал, как команда Альфы создавала сервис Text2SQL, который переводит запросы на естественном языке в SQL-запросы к данным банка.
Сегодня сервис помогает аналитикам работать с данными без знания SQL. В нём уже описано 200+ таблиц, а спрос со стороны команд растёт.
В докладе Никита подробно рассказал:
▶️ Какую актуальность представляет Text2SQL для банка
▶️ Как устроена архитектура сервиса, выделив ключевые компоненты влияющие на генерацию SQL
▶️ Как команда контролирует качество сервиса, оценивает работу tool calling, поиска документов и генерации SQL на «золотом» датасете
▶️ Почему успех Text2SQL зависит не только от архитектуры модели, но и от пользователей
▶️ Поделился, какие шишки команда успела набить по пути создания собственного Text2SQL
А подробнее про сервис узнавайте из презентации с выступления🔽
#aaa_event
На Saint HighLoad++ наш коллега Никита Круглов, DS-разработчик, рассказал, как команда Альфы создавала сервис Text2SQL, который переводит запросы на естественном языке в SQL-запросы к данным банка.
Сегодня сервис помогает аналитикам работать с данными без знания SQL. В нём уже описано 200+ таблиц, а спрос со стороны команд растёт.
В докладе Никита подробно рассказал:
А подробнее про сервис узнавайте из презентации с выступления
#aaa_event
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥20❤8
Please open Telegram to view this post
VIEW IN TELEGRAM
❤🔥17😎8👏4🤔2
Как рекомендовать задания миллионам пользователей? 🎮
В играх Альфа-Банка пользователи выполняют задания ради игровых бонусов, а для банка это реальные действия: оплата ЖКУ, бронирование отелей, заказ карты и другие продуктовые сценарии.
🔗 Почему простая архитектура победила более сложные варианты, рассказал Сергей Валин, старший специалист по интеллектуальному анализу данных. Главное собрали в карточках, а полная история экспериментов уже на Хабре.
#aaa_hardposting
В играх Альфа-Банка пользователи выполняют задания ради игровых бонусов, а для банка это реальные действия: оплата ЖКУ, бронирование отелей, заказ карты и другие продуктовые сценарии.
Когда таких заданий стало много, появилась задача рекомендовать каждому пользователю именно те, которые он с большей вероятностью выполнит. Казалось, что логичным решением станет одна модель для всех заданий. Но на практике всё оказалось сложнее: единая архитектура плохо работала с разными типами продуктов. В итоге лучшим решением оказался совсем другой подход.
#aaa_hardposting
Please open Telegram to view this post
VIEW IN TELEGRAM
❤🔥13🤓2😎2