Deep Learning in Finance

Применение нейронных сетей на многомерных временных данных для решения классических банковских задач

Deep LearningBig DataFinance

Привет! В треке Лаборатории машинного обучения вы узнаете, как при помощи нейронных сетей можно значительно улучшить метрики в классических банковские задачах: кредитный скоринг, склонность к продуктам и предсказание оттока. В банках нативным образом собираются огромные массивы данных по транзакциям, кредитным историям, коммуникациям с клиентами и логам из мобильного приложения. Каждый источник — это многомерный временной содержащий до 10000 элементов последовательности, а каждый элемент до 100 признаков. Архитектуры нейронных сетей позволяют выжимать из этих данных максимум за счет обработки в сыром виде. Из цикла видео вы узнаете об источниках данных, архитектурах нейронных сетей и приемах для их обучения и устройстве нашего продакшна. По окончанию трека вы сможете применить новые знания в решении двух задач на реальных данных с совокупным призовым фондом 600 000 рублей.