 |
Банк «Открытие» и Neoflex внедрили новую платформу для разработки и внедрения моделей машинного обучения
Реализованный проект обеспечит непрерывность процесса разработки и внедрения моделей машинного обучения с последующей их интеграцией в бизнес-процессы банка. Развернутая архитектура автоматизирует управление моделями, работа с ними ведется в отдельном безопасном тестовом окружении, осуществляется автоматический перенос изменений в промышленную среду.
Банку «Открытие» удалось выстроить процессы по развитию команд моделистов, обеспечив их передовыми технологиями. Для разработки моделей машинного обучения реализован доступ к корпоративным хранилищам данных, настроены готовые образы рабочих мест для команд с различным стеком библиотек машинного обучения.
Автоматизированные процессы переноса моделей из контура разработки в контур применения позволят в будущем сократить time-to-market задач по внедрению машинного обучения в процессы принятия банком решений, а также снизить операционный риск ручного переноса логики моделей между системами.
«С внедрением промышленной платформы моделирования вопрос подключения нового специалиста к команде моделистов должен занимать не более одного дня. Каждая команда разработчиков работает в собственной среде с динамическим расширением ресурсов для обучения модели. Также у нас появилась возможность оперативного переноса моделей из среды разработки в среду применения для различных команд. Именно за счет такой гибкости платформа была выбрана как основа для общебанковской платформы», – прокомментировал Павел Николаев, управляющий директор департамента интегрированных рисков банка «Открытие».
«Платформа даст моделистам банка возможность использовать современные методы и алгоритмы разработки в комфортной для пользователя среде, позволит повысить time-2-market моделей. Нативная и важная цель платформы – снижение операционного и модельного риска при внедрении и эксплуатации моделей», – отметила Наталья Хозинская, Chief Data Scientist банка «Открытие».
«Для внедрения платформы моделирования команда Neoflex применила в банке методологию и практики MLOps – объединение технологий разработки моделей ML (Dev) и эксплуатации разработанных моделей ML (Ops). Автоматизация и мониторинг данных, моделей, процессов на всех этапах эксплуатации платформы моделирования – прочный фундамент для дальнейшего развития процессов машинного обучения в банке «Открытие»», – подчеркнул Геннадий Волков, партнер, главный архитектор Neoflex.
«Платформа моделирования была реализована на базе развернутой в банке промышленной среды контейнеров Kubernetes, которая обеспечила для платформы необходимые гибкость и масштабируемость. В банке ведутся работы по миграции данных, используемых при моделировании, на промышленный контур, что должно обеспечить платформе еще большую стабильность и отказоустойчивость», – отметил Дмитрий Первухин, вице-президент, директор департамента разработки учетных и аналитических систем банка «Открытие».
Neoflex создает ИТ-платформы для цифровой трансформации бизнеса, помогая заказчикам получать устойчивые конкурентные преимущества в цифровую эпоху. Мы фокусируемся на заказной разработке программного обеспечения, используя передовые технологии и подходы. Наш отраслевой опыт и технологическая экспертиза, усиленная собственными акселераторами разработки, позволяют решать бизнес-задачи любого уровня сложности. Среди наших заказчиков более половины российских банков, входящих в топ-100, а также компании из 21 страны Европы, Азии и Африки.
Нам доверяют: Альфа-Банк, ВТБ, Банк Интеза, ИКАНО Банк, Народный банк Узбекистана, банк «Открытие», Объединенное Кредитное Бюро, Росбанк, Банк «Ренессанс Кредит», РН Банк, Райффайзенбанк, Сбербанк, СДМ-Банк, «Сетелем Банк», Банк «Санкт - Петербург», Банк УРАЛСИБ, ЮниКредит Банк, Arab Bank, BNP Paribas, BAI, FINCA Impact Finance, HSBC, HBL, ING, Lombard Bank, Mediascope, Pancreta Bank, Rand Merchant Bank, SBI и многие другие.
Подробнее о Neoflex на сайте: www.neoflex.ru
Банк «Открытие» входит в перечень системообразующих кредитных организаций, утвержденный Банком России. «Открытие» развивает все основные направления бизнеса классического универсального банка: корпоративный, инвестиционный, розничный, МСБ и Private Banking. Дочерние компании банка занимают лидирующие позиции в ключевых сегментах финансового рынка: страховые компании «Росгосстрах» и «Росгосстрах Жизнь», «Открытие Брокер», Управляющая компания «Открытие», «НПФ Открытие», АО «Балтийский лизинг», ООО «Открытый лизинг», ООО «Открытие Факторинг», «РГС Банк», АО «Таможенная карта». Надежность банка подтверждена рейтингами российских агентств АКРА («АА(RU)»), Эксперт РА («ruAA-») и НКР («АA+.ru»), а также международным агентством Moody’s («Ba2»). Стратегия развития банка предусматривает увеличение скорости, повышение качества обслуживания клиентов, а также реализацию передовых финтех-идей.
Контактное лицо: Свобода Александра
Компания: Неофлекс
Добавлен: 23:13, 10.07.2021
Количество просмотров: 326
Страна: Россия
| Цифровая библиотека BIM-объектов «МЕКА» в Model Studio CS, АО «СИЭС Групп», 22:56, 21.07.2026, Россия392 |  |
| Как быстро найти нужные элементы МЕКА и собрать из них корректную кабельную трассу? На вебинаре CS Group покажем, как работать с базой данных кабеленесущих систем в Model Studio CS: искать лотки, крышки, консоли и соединители, формировать мини-каталог под типовые задачи и выполнять трассировку по заданному сечению. |
| ГИГАНТ — Компьютерные системы: о переходе на российское ПО, ГИГАНТ, 22:52, 21.07.2026, Россия354 |
| Алексей Колодка, директор по работе с государственными заказчиками компании «ГИГАНТ — Компьютерные системы» рассказал о ключевых тенденциях импортозамещения: почему компании переходят на отечественные решения, как меняется совокупная стоимость владения и какие проблемы остаются нерешенными. |
| UDV Group: заражение одного компьютера может привести к шифрованию сети, UDV Group, 22:51, 21.07.2026, Россия354 |
| Российский разработчик решений в области киберустойчивости UDV Group предупреждает о риске AsyncRAT для компаний. Троян удаленного доступа может стать не локальным заражением одного ПК, а точкой входа во внутреннюю сеть, кражи учетных данных и последующей атаки с шифрованием. |
|
|
