В качестве связи с темой прошлой недели, немного про методы оптимизации для задач кредитный рисков.
Во-первых, натолкнулся на такую дипломную работу: Determining an Optimal Loan Limit Strategy for SME Lending, в которой рассматривается задача оптимизации лимитов для МСБ в шведском финтехе Froda Företagslån. Текст простой, но хорош тем, что там дано краткое и понятное введение и в основы линейного программирование, и в кредитные риски и скоринг.
В целом про то, как возникает оптимизационная задача в управлении кредитным портфелем, все довольно просто. Есть цели: оптимизировать общую доходность портфеля,
минимизировать ожидаемые кредитные потери, максимизировать уровень одобрения, есть различного рода финансовые ограничения (например, общий объём портфеля), есть задача анализа чувствительности в контексте динамической адаптации процесса принятия решения при изменении кредитной стратегии или макроэкономической ситуации. Но какого то хорошего текста, кроме этого диплома, в котором все это рассказано, я к своему удивлению я не нашел.
В тексте рассматриваются две оптимизационные модели: максимизировать уровень одобрения, максимизировать доходность портфеля, плюс есть немного про анализ чувствительности. Также в рассматриваемом примере не учитываются характеристики и риск-компоненты на уровне детальных сделок, риск-компоненты берутся по однородным классам. После нашего завтрашнего обсуждения думаю станет понятно, как учесть индивидуальные харктеристики сделок и прогнозные модели на PD, LGD и EAD в оптимизационной задаче=)
Во-вторых, небольшая статья
Loan portfolio optimization using Genetic Algorithm: A case of credit constraints про похожую оптимизационную задачу в контексте принятия кредитных решений но на базе генетического алгоритма.
Во-первых, натолкнулся на такую дипломную работу: Determining an Optimal Loan Limit Strategy for SME Lending, в которой рассматривается задача оптимизации лимитов для МСБ в шведском финтехе Froda Företagslån. Текст простой, но хорош тем, что там дано краткое и понятное введение и в основы линейного программирование, и в кредитные риски и скоринг.
В целом про то, как возникает оптимизационная задача в управлении кредитным портфелем, все довольно просто. Есть цели: оптимизировать общую доходность портфеля,
минимизировать ожидаемые кредитные потери, максимизировать уровень одобрения, есть различного рода финансовые ограничения (например, общий объём портфеля), есть задача анализа чувствительности в контексте динамической адаптации процесса принятия решения при изменении кредитной стратегии или макроэкономической ситуации. Но какого то хорошего текста, кроме этого диплома, в котором все это рассказано, я к своему удивлению я не нашел.
В тексте рассматриваются две оптимизационные модели: максимизировать уровень одобрения, максимизировать доходность портфеля, плюс есть немного про анализ чувствительности. Также в рассматриваемом примере не учитываются характеристики и риск-компоненты на уровне детальных сделок, риск-компоненты берутся по однородным классам. После нашего завтрашнего обсуждения думаю станет понятно, как учесть индивидуальные харктеристики сделок и прогнозные модели на PD, LGD и EAD в оптимизационной задаче=)
Во-вторых, небольшая статья
Loan portfolio optimization using Genetic Algorithm: A case of credit constraints про похожую оптимизационную задачу в контексте принятия кредитных решений но на базе генетического алгоритма.
В этот четверг (19 августа) поговорим про такую тему, как валидация моделей. Встречаемся как обычно в 21:00 МСК в голосовом чате.
По понятным причинам направление валидации моделей очень хорошо развито в области моделирования для рисков в финансовом секторе. Поговорим с экспертами в этой области и постараемся сделать так, чтобы было интересно и полезно и для тех, кто работает в других индустриях и направлениях. Опыт по выстраивания процессов валидации и вообще контроля качества моделирования отлично переносится на многие решения на базе ML.
Темы к обсуждению:
📌 Что такое валидация моделей, в чем отличие от мониторинга моделей и почему валидация так важна в контексте задач оценки кредитных рисков?
📌 Особенности проведения валидации регуляторных и нерегуляторных моделей компонент кредитных рисков (PD/LGD/EAD) для розничного и корпоративного кредитования.
📌 Почему важно использовать не только количественные, но и качественные метрики? Какие вообще типы валидации можно выделить?
📌 Опыт применения подходов Model Performance Predictor для мониторинга и валидации моделей.
📌 Валидация как часть общего процесса контроля качества решений на базе моделей и аналитики, который также включает модельный мониторинг, контроль и валидацию качества данных и управление модельным риском.
📌 Как строить процессы и команду валидации? Зачем может быть нужен отдельный отдел или департамент валидации моделей?
Эксперты-спикеры:
😎 Алексей Чебыкин, Директор центра валидации, Банк Открытие
😎 Виктор Черников, Начальник отдела качества моделирования, Альфа-Банк
😎 Александр Бородин, Руководитель направления моделирования в финансах и рисках, GlowByte Advanced Analytics
По понятным причинам направление валидации моделей очень хорошо развито в области моделирования для рисков в финансовом секторе. Поговорим с экспертами в этой области и постараемся сделать так, чтобы было интересно и полезно и для тех, кто работает в других индустриях и направлениях. Опыт по выстраивания процессов валидации и вообще контроля качества моделирования отлично переносится на многие решения на базе ML.
Темы к обсуждению:
📌 Что такое валидация моделей, в чем отличие от мониторинга моделей и почему валидация так важна в контексте задач оценки кредитных рисков?
📌 Особенности проведения валидации регуляторных и нерегуляторных моделей компонент кредитных рисков (PD/LGD/EAD) для розничного и корпоративного кредитования.
📌 Почему важно использовать не только количественные, но и качественные метрики? Какие вообще типы валидации можно выделить?
📌 Опыт применения подходов Model Performance Predictor для мониторинга и валидации моделей.
📌 Валидация как часть общего процесса контроля качества решений на базе моделей и аналитики, который также включает модельный мониторинг, контроль и валидацию качества данных и управление модельным риском.
📌 Как строить процессы и команду валидации? Зачем может быть нужен отдельный отдел или департамент валидации моделей?
Эксперты-спикеры:
😎 Алексей Чебыкин, Директор центра валидации, Банк Открытие
😎 Виктор Черников, Начальник отдела качества моделирования, Альфа-Банк
😎 Александр Бородин, Руководитель направления моделирования в финансах и рисках, GlowByte Advanced Analytics
Скоро 1 сентября, хотим поговорить про образование в Data Science. Обсудим и фундаментальную сторону: какой должен быть идеальный бэкграунд для работы в DS, и развитие: где и как повышать свою квалификацию состоявшимся специалистам, и переходы в DS из не очень на первый взгляд близких областей. Встречаемся 26 августа в 21:00 МСК в голосовом чате.
Более детальный анонс будет немного позже.
Более детальный анонс будет немного позже.
Итак, в этот четверг, 26 августа в 21:00 МСК встречаемся в голосовом чате и обсуждаем тему образования в DS.
Вопросы к обсуждению:
❓ DS - это навык или профессия? Где, что и как изучать, чтобы стать идеальным специалистом в DS?
❓ Классическая формулировка: Data Science находится на стыке математики, информатики и экспертизы в предметной области. Насколько хорошо раскрыты все три составляющие и в университетских программах по DS и в специализациях по повышению квалификации?
❓ Обязательно ли тратить годы на изучение математики и информатики в университетах, и можно ли не имея технического бэкграунда освоить DS по курсам и специализациям на образовательных платформах?
❓ Стоит ли гнаться за хайповыми и модными технологиями при входе в науки о данных? Почему big data и нейронки - это не всё, что нужно знать о мире DS?
❓ Как в больших компаниях решается вопрос нехватки кадров должного уровня, помимо найма готовых специалистов: мотивация сотрудников заниматься самообучением, покупка внешних курсов, организация внутреннего обучения?
❓ Любого ли уровня и размера компании могут заниматься ростом и развитием своих сотрудников? От какого размера команды и уровня развития DS это рентабельно и возможно?
❓ Как организовать процессы внутреннего обучения и обмена опытом в командах DS?
Эксперты-спикеры
😎 Артём Глазунов, МегаФон, Team Lead DS
😎 Дмитрий Канатников, Яндекс, Служба клиентского опыта
😎 Александр Бородин, GlowByte Advanced Analytics, Руководитель направления в финансах и рисках
😎 Дмитрий Забавин, GlowByte Advanced Analytics, Team Lead DS
🧐 А также все желающие
До связи!
Вопросы к обсуждению:
❓ DS - это навык или профессия? Где, что и как изучать, чтобы стать идеальным специалистом в DS?
❓ Классическая формулировка: Data Science находится на стыке математики, информатики и экспертизы в предметной области. Насколько хорошо раскрыты все три составляющие и в университетских программах по DS и в специализациях по повышению квалификации?
❓ Обязательно ли тратить годы на изучение математики и информатики в университетах, и можно ли не имея технического бэкграунда освоить DS по курсам и специализациям на образовательных платформах?
❓ Стоит ли гнаться за хайповыми и модными технологиями при входе в науки о данных? Почему big data и нейронки - это не всё, что нужно знать о мире DS?
❓ Как в больших компаниях решается вопрос нехватки кадров должного уровня, помимо найма готовых специалистов: мотивация сотрудников заниматься самообучением, покупка внешних курсов, организация внутреннего обучения?
❓ Любого ли уровня и размера компании могут заниматься ростом и развитием своих сотрудников? От какого размера команды и уровня развития DS это рентабельно и возможно?
❓ Как организовать процессы внутреннего обучения и обмена опытом в командах DS?
Эксперты-спикеры
😎 Артём Глазунов, МегаФон, Team Lead DS
😎 Дмитрий Канатников, Яндекс, Служба клиентского опыта
😎 Александр Бородин, GlowByte Advanced Analytics, Руководитель направления в финансах и рисках
😎 Дмитрий Забавин, GlowByte Advanced Analytics, Team Lead DS
🧐 А также все желающие
До связи!
Вчера в обсуждении был небольшой спойлер, что в недрах команды GlowByte Advanced Analytics готовятся курсы и специализация по Data Science и продвинутой аналитике.
На прошлой неделе Дмитрий Забавин провёл совместное с Нетологией мероприятие, на котором рассказал, о чем мог бы быть курс про DS в маркетинге: Как data science помогает маркетингу. Там все бесплатно, но надо зарегистрироваться.
Про курсы будем придерживать в курсе)
На прошлой неделе Дмитрий Забавин провёл совместное с Нетологией мероприятие, на котором рассказал, о чем мог бы быть курс про DS в маркетинге: Как data science помогает маркетингу. Там все бесплатно, но надо зарегистрироваться.
Про курсы будем придерживать в курсе)
Подборка ресурсов для изучения DS/ML от участников прошедшей в четверг дискуссии.
Артём Глазунов @artglazunov:
🖥 Специализация на Coursera Deep Learning. Прекрасная специализация для всех, вне зависимости от уровня. Пропитана духом Стэнфорда и любовью к ML
🖥 Специализация на Coursera Algorithms. Алгоритмы нужны, это факт. А в этой специализации есть задачки и для матёрых специалистов. При этом подача живая и увлекательная.
🖥 Курс на Coursera Эконометрика. Не мог обойти этот волшебный курс стороной…
Дмитрий Забавин @dmitry_zabavin:
📺 YouTube-канал StatQuest with Josh Starmer. Основы статистики и алгоритмов машинного обучения в очень простой форме и с подробными пошаговыми иллюстрациями.
📚 Книга Джоэл Грас, Data Science. Наука о данных с нуля. Подробный разбор основных алгоритмов машинного обучения с примерами того, как можно было бы эти алгоритмы реализовать самостоятельно на Python: лучший способ понять "как это работает" и бесценный образец кода на Python.
📚 Книга Дж. Вандер Плас, Python для сложных задач. Наука о данных и машинное обучение. Для дальнейшего развития: обзор множества алгоритмов обработки данных и машинного обучения - с примерами использования наиболее распространенных библиотек.
📚 Книга Франсуа Шолле, Глубокое обучение на Python. Cамое понятное погружение в глубокое обучение.
Артём Глазунов @artglazunov:
🖥 Специализация на Coursera Deep Learning. Прекрасная специализация для всех, вне зависимости от уровня. Пропитана духом Стэнфорда и любовью к ML
🖥 Специализация на Coursera Algorithms. Алгоритмы нужны, это факт. А в этой специализации есть задачки и для матёрых специалистов. При этом подача живая и увлекательная.
🖥 Курс на Coursera Эконометрика. Не мог обойти этот волшебный курс стороной…
Дмитрий Забавин @dmitry_zabavin:
📺 YouTube-канал StatQuest with Josh Starmer. Основы статистики и алгоритмов машинного обучения в очень простой форме и с подробными пошаговыми иллюстрациями.
📚 Книга Джоэл Грас, Data Science. Наука о данных с нуля. Подробный разбор основных алгоритмов машинного обучения с примерами того, как можно было бы эти алгоритмы реализовать самостоятельно на Python: лучший способ понять "как это работает" и бесценный образец кода на Python.
📚 Книга Дж. Вандер Плас, Python для сложных задач. Наука о данных и машинное обучение. Для дальнейшего развития: обзор множества алгоритмов обработки данных и машинного обучения - с примерами использования наиболее распространенных библиотек.
📚 Книга Франсуа Шолле, Глубокое обучение на Python. Cамое понятное погружение в глубокое обучение.
Forwarded from Natalia Toganova
В этот четверг, 02 сентября в 21:00 МСК встречаемся в голосовом чате. Говорить будем о 🔥 подкастах 🔥, о необходимости публичности для компаний и отдельных специалистов.
Выпуск приурочен к запуску нашего подкаста "Дайте данных" на следующей неделе.
Вопросы и темы:
❓ Какая идея стоит за подкастом?
❓ Цели подкаста и творческая смелость
❓ Помогает ли подкаст добиться бизнес целей?
❓ На сколько необходимо присутствовать в публичном пространстве - в соцсетях и не только?
Спикеры
😎 Александр Головин, Автор подкаста КритМышь, сооснователь студии Две Дорожки
😎 Александр Бородин, GlowByte Advanced Analytics, Руководитель направления в финансах и рисках
😎 Ирина Мефедова, GlowByte, Менеджер по PR&Marketing
🧐 А также все желающие
Вести будет Наталья Тоганова, GlowByte Advanced Analytics, бизнес-аналитик
До связи!
Выпуск приурочен к запуску нашего подкаста "Дайте данных" на следующей неделе.
Вопросы и темы:
❓ Какая идея стоит за подкастом?
❓ Цели подкаста и творческая смелость
❓ Помогает ли подкаст добиться бизнес целей?
❓ На сколько необходимо присутствовать в публичном пространстве - в соцсетях и не только?
Спикеры
😎 Александр Головин, Автор подкаста КритМышь, сооснователь студии Две Дорожки
😎 Александр Бородин, GlowByte Advanced Analytics, Руководитель направления в финансах и рисках
😎 Ирина Мефедова, GlowByte, Менеджер по PR&Marketing
🧐 А также все желающие
Вести будет Наталья Тоганова, GlowByte Advanced Analytics, бизнес-аналитик
До связи!
Telegram
NoML Community
Not Only ML;)
Новости https://t.me/noml_digest
YouTube https://www.youtube.com/@NoML_community
Notion https://noml.notion.site
Согласование объявлений @psnurnitsyn
Новости https://t.me/noml_digest
YouTube https://www.youtube.com/@NoML_community
Notion https://noml.notion.site
Согласование объявлений @psnurnitsyn
Forwarded from Natalia Toganova
Обычно мы публикуем reading-list 📚 по теме предстоящей встречи. Но в этот раз это будет hearing-list 🎧.
Этот список весьма субъективен. Ниже ссылка на опросник, добавьте свои любимые подкасты, мы обработаем и сделаем публикацию после встречи.
💻ИТ, анализ и близкое к этому:
✔️IT-шниками не рождаются
✔️Запуск завтра
✔️Деньги любят техно
✔️Podlodka
✔️— ждем запуска Данные люди (есть одноименный чат)
✔️Data Framed
✔️Data Viz Today
💜Разное, связанное с работой, с наукой и на подумать о жизни:
✔️Так вышло
✔️Критмышь
✔️НОРМ
✔️Экономика на слух
✔️Work Life / Adam Grant
‼️Опрос https://forms.gle/S8ujfMwXQgfoFSEW9
Этот список весьма субъективен. Ниже ссылка на опросник, добавьте свои любимые подкасты, мы обработаем и сделаем публикацию после встречи.
💻ИТ, анализ и близкое к этому:
✔️IT-шниками не рождаются
✔️Запуск завтра
✔️Деньги любят техно
✔️Podlodka
✔️— ждем запуска Данные люди (есть одноименный чат)
✔️Data Framed
✔️Data Viz Today
💜Разное, связанное с работой, с наукой и на подумать о жизни:
✔️Так вышло
✔️Критмышь
✔️НОРМ
✔️Экономика на слух
✔️Work Life / Adam Grant
‼️Опрос https://forms.gle/S8ujfMwXQgfoFSEW9
Ура! Первый выпуск нашего подкаста 🔥Дайте Данных🔥 появился на основных платформах:
🎙 Яндекс Музыка
🎙 Apple Podcasts
Подписывайтесь и ставьте лайки и много звёздочек=)
🎙 Яндекс Музыка
🎙 Apple Podcasts
Подписывайтесь и ставьте лайки и много звёздочек=)
Почти по всех крупных организациях выделены отдельные департаменты и подразделения с централизованной функцией анализа данных. Во многих компаниях происходят процессы цифровой трансформации, в рамках которых также планируется выделение функции анализа данных и Data Science в отдельное подразделение.
Решили собрать круглый стол и поделиться опытом как выстраивать процессы и внутри таких DS подразделений, и в части их взаимодействия с другими структурами внутри организаций.
Встречаемся в этот четверг, 9 сентября в ❗️19:00❗️ МСК голосовом чате и обсуждаем следующие вопросы:
❓Организационная структура подразделения DS, фиксированные команды по предметным областям или технологиям? Или полный agile и все занимаются всем и знают всё?
❓Как взаимодействовать с бизнес партнерами и бизнес заказчиками? Где находится роль бизнес аналитика: в DS, у заказчика, или у всех есть свои бизнес аналитики?
❓Какие вообще есть роли помимо Data Engineer, Data Scientist и ML Engineer в таких DS подразделениях?
❓Как организовать обмен опытом и знаниями внутри DS подразделения?
❓Зачем заниматься R&D и как организовать этот процесс?
❓Какова роль внешних консультантов и чем они могут помочь, помимо подготовки 500-страничных презентаций про цифровую трансформацию?))
Эксперты-спикеры:
😎 Мария Калашникова, Газпромбанк, Вице-президент, Начальник Департамента анализа данных и моделирования
😎 Ирина Голощапова, Лента, Head of Data Science
😎 Наиль Макуев, МТС, Менеджера продукта «Big Data МТС Банка»
😎 Алексей Чернобровов, Консультант по Data Science и монетизации данных
😎 Павел Снурницын, GlowByte, руководитель практики Advanced Analytics
Решили собрать круглый стол и поделиться опытом как выстраивать процессы и внутри таких DS подразделений, и в части их взаимодействия с другими структурами внутри организаций.
Встречаемся в этот четверг, 9 сентября в ❗️19:00❗️ МСК голосовом чате и обсуждаем следующие вопросы:
❓Организационная структура подразделения DS, фиксированные команды по предметным областям или технологиям? Или полный agile и все занимаются всем и знают всё?
❓Как взаимодействовать с бизнес партнерами и бизнес заказчиками? Где находится роль бизнес аналитика: в DS, у заказчика, или у всех есть свои бизнес аналитики?
❓Какие вообще есть роли помимо Data Engineer, Data Scientist и ML Engineer в таких DS подразделениях?
❓Как организовать обмен опытом и знаниями внутри DS подразделения?
❓Зачем заниматься R&D и как организовать этот процесс?
❓Какова роль внешних консультантов и чем они могут помочь, помимо подготовки 500-страничных презентаций про цифровую трансформацию?))
Эксперты-спикеры:
😎 Мария Калашникова, Газпромбанк, Вице-президент, Начальник Департамента анализа данных и моделирования
😎 Ирина Голощапова, Лента, Head of Data Science
😎 Наиль Макуев, МТС, Менеджера продукта «Big Data МТС Банка»
😎 Алексей Чернобровов, Консультант по Data Science и монетизации данных
😎 Павел Снурницын, GlowByte, руководитель практики Advanced Analytics
На этой неделе коллеги из GlowByte Advanced Analytics участвуют в паре мероприятий, которые посвящены скорингу и кредитным рискам.
Обсуждение по этой теме в нашем войс чате устроим на следующей неделе, а пока информация:
1️⃣ Сегодня, 14 сентября в 18:30 МСК вебинар “ML/DS тренды в задачах управления кредитным риском”.
Спикеры:
😎 Евгений Степанов, Управляющий директор, Банк ФК Открытие, Data Science
😎 Александр Бородин, Руководитель направления аналитики и моделирования в финансах и рисках, GlowByte Advanced Analytics
😎 Алиса Пугачева, Бизнес-аналитик, эксперт по моделированию кредитных рисков, GlowByte Advanced Analytics
Детали и регистрация по ссылке.
2️⃣ А в четверг, 16 сентября Александр Бородин выступит на конференции Scoring Day X с докладом “Контролируемые эксперименты в скоринге и оценке риска: тренды и кейсы”.
Если вы там будете, подходите к нашему стенду!
А если не будете, то запись доклада должна появиться на следующей неделе, ссылку пришлём)
Обсуждение по этой теме в нашем войс чате устроим на следующей неделе, а пока информация:
1️⃣ Сегодня, 14 сентября в 18:30 МСК вебинар “ML/DS тренды в задачах управления кредитным риском”.
Спикеры:
😎 Евгений Степанов, Управляющий директор, Банк ФК Открытие, Data Science
😎 Александр Бородин, Руководитель направления аналитики и моделирования в финансах и рисках, GlowByte Advanced Analytics
😎 Алиса Пугачева, Бизнес-аналитик, эксперт по моделированию кредитных рисков, GlowByte Advanced Analytics
Детали и регистрация по ссылке.
2️⃣ А в четверг, 16 сентября Александр Бородин выступит на конференции Scoring Day X с докладом “Контролируемые эксперименты в скоринге и оценке риска: тренды и кейсы”.
Если вы там будете, подходите к нашему стенду!
А если не будете, то запись доклада должна появиться на следующей неделе, ссылку пришлём)
На этой неделе случилась накладка по теме планируемого голосового чата. Но мы все равно решили собраться и немного пооффтопить, а именно попробовать найти ответ на часто задаваемый нам вопрос: почему и зачем возникла идея собирать очередное сообщество по темам DS/ML? 🧐Также расскажем про наши планы на будущее, что еще мы хотим делать в рамках сообщества, и будем очень рады, если кто-то присоединиться к нашей дискуссии и выскажет пожелания и предложения по развитию NoML🚀
Ну и в целом видимо порассуждаем на более общие темы вокруг сообществ в принципе:
❓Зачем нужны сообщества?
❓Почему сообщества начали появляться в последние годы? Где мы были раньше?
❓Чего добиваются сообщества?
❓Что дают сообщества? И как они влияют на личное развитие?
Встречаемся сегодня, 16 сентября, в 21:00 МСК в голосовом чате.
Ну и в целом видимо порассуждаем на более общие темы вокруг сообществ в принципе:
❓Зачем нужны сообщества?
❓Почему сообщества начали появляться в последние годы? Где мы были раньше?
❓Чего добиваются сообщества?
❓Что дают сообщества? И как они влияют на личное развитие?
Встречаемся сегодня, 16 сентября, в 21:00 МСК в голосовом чате.
В эту пятницу, 24 сентября будет онлайн конференция Yandex Scale 2021, посвященная сервисам платформы Yandex.Cloud.
Есть даже статья про треки и основные темы в виде интервью с ответственными за секции конференции: Польза, а не маркетинг. Почему стоит потратить время на конференцию Yandex Scale 2021.
А с участием команды GlowByte Advanced Analytics будет выступление про кейс использования ML сервисов Yandex.Cloud как для разработки, так и для применения моделей:
Рекомендательная система на базе DataSphere
😎Александр Арланов, БУРГЕР КИНГ
😎Алёна Дробышевская, Yandex.Cloud
😎Андрей Иванов, GlowByte Advanced Analytics
Полная программа и регистрация по ссылке. Пишут, что регистрация закроется 22 сентября.
P.S.: А в нашем голосовом чатике про облака поговорим в следующий четверг, 30 сентября) следите за анонсами!
Есть даже статья про треки и основные темы в виде интервью с ответственными за секции конференции: Польза, а не маркетинг. Почему стоит потратить время на конференцию Yandex Scale 2021.
А с участием команды GlowByte Advanced Analytics будет выступление про кейс использования ML сервисов Yandex.Cloud как для разработки, так и для применения моделей:
Рекомендательная система на базе DataSphere
😎Александр Арланов, БУРГЕР КИНГ
😎Алёна Дробышевская, Yandex.Cloud
😎Андрей Иванов, GlowByte Advanced Analytics
Полная программа и регистрация по ссылке. Пишут, что регистрация закроется 22 сентября.
P.S.: А в нашем голосовом чатике про облака поговорим в следующий четверг, 30 сентября) следите за анонсами!
Сори, оффтоп.
Немного квантовой механики и теории чисел в ленту:
📺 A. V. Ustinov, M. B. Skopenkov, Feynman Checkers: Number Theory in Quantum Electrodynamics.
Доклад был в рамках конференции по аналитической теории чисел памяти Виноградова, прошедшей в начале прошлой недели, захотелось с кем-то поделиться)
Первые 20-25 мин. - про постановку задачи, доступно всем, кто знает элементарный тервер, и имеет популярное представление о физике элементарных частиц. Потом минут 5-10 про общую идею доказательства, как раз методами аналитической теории чисел, но очень очень кратко, если кому-то вдруг интересно, за деталями точно в статью авторов:
📄 M. Skopenkov, A. Ustinov, Feynman checkers: towards algorithmic quantum theory.
Немного квантовой механики и теории чисел в ленту:
📺 A. V. Ustinov, M. B. Skopenkov, Feynman Checkers: Number Theory in Quantum Electrodynamics.
Доклад был в рамках конференции по аналитической теории чисел памяти Виноградова, прошедшей в начале прошлой недели, захотелось с кем-то поделиться)
Первые 20-25 мин. - про постановку задачи, доступно всем, кто знает элементарный тервер, и имеет популярное представление о физике элементарных частиц. Потом минут 5-10 про общую идею доказательства, как раз методами аналитической теории чисел, но очень очень кратко, если кому-то вдруг интересно, за деталями точно в статью авторов:
📄 M. Skopenkov, A. Ustinov, Feynman checkers: towards algorithmic quantum theory.
Cнова сходили на конференцию про скоринг и кредитные риски, на этот раз Scoring Day. И решили продолжить обсуждать тренды в моделировании кредитных рисков, тем более что в прошлый раз успели затронуть далеко не все заявленные темы.
Вопросы, которые хотим обсудить в этот четрвег, можно разделить на два основных блока:
1️⃣ Модели и аналитика в скоринге
📌 Контролируемые эксперименты и A/B фреймворк в оценке кредитных рисков.
📌 Задачи математической оптимизации в скоринге.
📌 Особенности сегментации и кластеризации в контексте рисковых моделей.
📌 Скоринговые, маркетинговые и другие бизнес задач как часть общей парадигмы принятия оптимальных решений.
2️⃣ ModelOps & MLOps в контексте кредитных рисков
📌 Модельный риск, ключевые процессы для управления модельным риском.
📌 Современная Data&ML платформа как средство митигации модельного риска.
📌 Ну и скорее всего про мониторинг и валидацию поговорим еще раз
Встречаемся в четверг, 23 сентября в 21:00 МСК в голосовом чате. Присоединяйтесь!
Вопросы, которые хотим обсудить в этот четрвег, можно разделить на два основных блока:
1️⃣ Модели и аналитика в скоринге
📌 Контролируемые эксперименты и A/B фреймворк в оценке кредитных рисков.
📌 Задачи математической оптимизации в скоринге.
📌 Особенности сегментации и кластеризации в контексте рисковых моделей.
📌 Скоринговые, маркетинговые и другие бизнес задач как часть общей парадигмы принятия оптимальных решений.
2️⃣ ModelOps & MLOps в контексте кредитных рисков
📌 Модельный риск, ключевые процессы для управления модельным риском.
📌 Современная Data&ML платформа как средство митигации модельного риска.
📌 Ну и скорее всего про мониторинг и валидацию поговорим еще раз
Встречаемся в четверг, 23 сентября в 21:00 МСК в голосовом чате. Присоединяйтесь!