AI | Machine Learning | MLOps

Создаем и внедряем решения с применением искусственного интеллекта, обеспечивающие устойчивые конкурентные преимущества в цифровую эпоху

Artificial Intelligence | Machine Learning | MLOps |

Создаем и внедряем решения с применением искусственного интеллекта, обеспечивающие устойчивые конкурентные преимущества в цифровую эпоху

Автоматизируем полный жизненный цикл ML-моделей

Строим удобную и эффективную инфраструктуру для автоматизации работы аналитиков данных, массового внедрения и эксплуатации
ML-моделей на базе решения Neoflex MLOps Center

СКАЧАТЬ ПРЕЗЕНТАЦИЮ

СВЯЗАТЬСЯ

Автоматизируем полный жизненный цикл ML-моделей

Строим удобную и эффективную инфраструктуру для автоматизации работы аналитиков данных, массового внедрения и эксплуатации
ML-моделей на базе решения Neoflex MLOps Center

СКАЧАТЬ ПРЕЗЕНТАЦИЮ

СВЯЗАТЬСЯ

Кейсы

РАЗРАБОТКА МОДЕЛЕЙ PD, LGD И МАКРОПОПРАВКИ ДЛЯ БАНКОВ

Заказчик

Ряд банков в Европе, Африке и СНГ

Описание задачи

Для соответствия требованиям региональных и Европейского регулятора в части стандарта финансовой отчетности МСФО9 банки должны разработать модели оценки кредитного риска заемщиков: модели вероятности дефолта.

Результаты

Разработан внедрен стэк моделей, оценивающих наблюдаемые частоты дефолтов (ODR) с использованием винтажного подхода, реализован ряд алгоритмов фиттинга параметрических кривых к ODR (в т. ч. Weibull-Pareto, Cox PH, Gen Gamma, RF и т.д.). Разработаны модели LGD, автоматизированные процедуры бэктестинга, а также модели макроэкономический поправки (регрессионные модели и SVM). Пройден ряд внешних аудитов компаниями Big – 4 (EY, PWC).

ПРОГНОЗИРОВАНИЕ ОБЪЕМА ПРИЕМКИ ГРУЗОВ

Заказчик

Одна из крупнейших транспортных компаний РФ

Описание задачи

Реализовать модель прогнозирования объема приемки грузов в каждом из отделений логистической компании для повышения точности планирования транспортных ресурсов.

Результаты

Разработан набор моделей временных рядов с использованием различных подходов (STL + SARIMA, ARIMA+Fourier, TBATS, Prophet, LSTM). Наилучшие результаты показала модель SARIMA, медианная взвешенная процентная ошибка ~28%. Точность разработанного алгоритма планирования позволила повысить точность планирования более чем на 5% в сравнении с алгоритмами, используемыми ранее.

ПОИСК АНОМАЛИЙ В СЕТЕВЫХ ЛОГАХ

Заказчик

Российский банк ТОП-10

Описание задачи

Реализовать модель, позволяющую выявлять скрытые аномалии, связанные с событиями информационной безопасности, связанным с сетевыми атаками.

Результаты

Модель реализована в формате контейнеризированного сервиса, который позволяет осуществлять поиск аномалий как в батч, так и в онлайн-режимах. В основе модели лежит энтропийный подход (в качестве меры используется энтропия Шеннона), позволяющий выявлять аномалии сетевого трафика, на которые могут не среагировать стандартные SIEM – средства (например, многовекторные или «медленные» DDoS атаки).

МОДЕЛЬ ПРОГНОЗИРОВАНИЯ УВОЛЬНЕНИЙ СОТРУДНИКОВ

Заказчик

Крупная российская IT-компания

Описание задачи

Для снижения текучести фронт-офисного персонала (разработчики, тестировщики, системные аналитики) необходимо выявить набор ключевых факторов, оказывающих влияние на значительное повышение вероятности увольнения сотрудника.

Результаты

Разработана модель с применением подходов AutoML(наилучший результат получен с использованием алгоритма Distributed Random Forest), показатель AUC = 0,64 и recall уволившихся сотрудников в районе 0,68. Данная модель позволяет определять сотрудников, находящихся в «зоне риска» на основании более 50 факторов, что, в свою очередь, дает возможность вертикальным руководителям и HR адресно активизировать работу по удержанию сотрудника и принять своевременные меры.

ЗАКАЗАТЬ КОНСУЛЬТАЦИЮ

Кейсы

РАЗРАБОТКА МОДЕЛЕЙ PD, LGD И МАКРОПОПРАВКИ ДЛЯ БАНКОВ

Заказчик

Ряд банков в Европе, Африке и СНГ

Описание задачи

Для соответствия требованиям региональных и Европейского регулятора в части стандарта финансовой отчетности МСФО9 банки должны разработать модели оценки кредитного риска заемщиков: модели вероятности дефолта.

Результаты

Разработан внедрен стэк моделей, оценивающих наблюдаемые частоты дефолтов (ODR) с использованием винтажного подхода, реализован ряд алгоритмов фиттинга параметрических кривых к ODR (в т. ч. Weibull-Pareto, Cox PH, Gen Gamma, RF и т.д.). Разработаны модели LGD, автоматизированные процедуры бэктестинга, а также модели макроэкономический поправки (регрессионные модели и SVM). Пройден ряд внешних аудитов компаниями Big – 4 (EY, PWC).

ПРОГНОЗИРОВАНИЕ ОБЪЕМА ПРИЕМКИ ГРУЗОВ

Заказчик

Одна из крупнейших транспортных компаний РФ

Описание задачи

Реализовать модель прогнозирования объема приемки грузов в каждом из отделений логистической компании для повышения точности планирования транспортных ресурсов.

Результаты

Разработан набор моделей временных рядов с использованием различных подходов (STL + SARIMA, ARIMA+Fourier, TBATS, Prophet, LSTM). Наилучшие результаты показала модель SARIMA, медианная взвешенная процентная ошибка ~28%. Точность разработанного алгоритма планирования позволила повысить точность планирования более чем на 5% в сравнении с алгоритмами, используемыми ранее.

ПОИСК АНОМАЛИЙ В СЕТЕВЫХ ЛОГАХ

Заказчик

Российский банк ТОП-10

Описание задачи

Реализовать модель, позволяющую выявлять скрытые аномалии, связанные с событиями информационной безопасности, связанным с сетевыми атаками.

Результаты

Модель реализована в формате контейнеризированного сервиса, который позволяет осуществлять поиск аномалий как в батч, так и в онлайн-режимах. В основе модели лежит энтропийный подход (в качестве меры используется энтропия Шеннона), позволяющий выявлять аномалии сетевого трафика, на которые могут не среагировать стандартные SIEM – средства (например, многовекторные или «медленные» DDoS атаки).

МОДЕЛЬ ПРОГНОЗИРОВАНИЯ УВОЛЬНЕНИЙ СОТРУДНИКОВ

Заказчик

Крупная российская IT-компания

Описание задачи

Для снижения текучести фронт-офисного персонала (разработчики, тестировщики, системные аналитики) необходимо выявить набор ключевых факторов, оказывающих влияние на значительное повышение вероятности увольнения сотрудника.

Результаты

Разработана модель с применением подходов AutoML(наилучший результат получен с использованием алгоритма Distributed Random Forest), показатель AUC = 0,64 и recall уволившихся сотрудников в районе 0,68. Данная модель позволяет определять сотрудников, находящихся в «зоне риска» на основании более 50 факторов, что, в свою очередь, дает возможность вертикальным руководителям и HR адресно активизировать работу по удержанию сотрудника и принять своевременные меры.

ЗАКАЗАТЬ КОНСУЛЬТАЦИЮ

Наши решения

Разрабатываем модели для управления кредитными рисками

Разрабатываем и внедряем модели для оценки кредитного риска в финансовом секторе (PD, LGD, модели раннего предупреждения, макроэкономические модели для IFRS9)

Скачать презентацию: Модели для МСФО9 (.pdf)

Строим точные прогнозы и оптимизируем планирование

Разрабатываем сервисы прогнозирования многомерных временных рядов (объемы продаж, загрузка складов, нагрузка на информационные системы) с использованием ML-моделей

Обнаруживаем скрытые угрозы

Создаем сервисы детектирования аномалий на основе ML-моделей

Скачать презентацию: Энтропийный подход для обнаружения аномалий (.pdf)

Выводим качество работы с персоналом на новый уровень

Разрабатываем и внедряем модели в области HR - прогнозирование увольнений и автоматизация поиска сотрудников на базе ML-моделей

Помогаем удерживать клиентов и увеличивать продажи

Разрабатываем ML-модели оттока клиентов, модели NBA/NBO, рекомендательные системы на базе искусственного интеллекта

Улучшаем эффективность операционных подразделений

Разрабатываем сервисы по обработке естественного языка (NLP) для задач обработки клиентских обращений, новостной информации, автоматизированного разбора и проверки текстовых документов

Скачать презентацию: Сервис анализа финансовых новостей (.pdf)

Автоматизируем полный жизненный цикл моделей ML

Строим удобную и эффективную инфраструктуру для автоматизации работы аналитиков данных, массового внедрения и эксплуатации ML-моделей на базе решения Neoflex MLOps Center

Скачать презентацию: Neoflex MLOps Center (.pdf)

Создаем Cloud-Native сервисы на базе ML-моделей

Разрабатываем высокопроизводительные облачные сервисы для инференса ML-моделей на инфраструктуре ведущих провайдеров: AWS, GCP, Yandex.Cloud, SberCloud

Наши решения

Разрабатываем модели для управления кредитными рисками

Разрабатываем и внедряем модели для оценки кредитного риска в финансовом секторе (PD, LGD, модели раннего предупреждения, макроэкономические модели для IFRS9)

Скачать презентацию: Модели для МСФО9 (.pdf)

Строим точные прогнозы и оптимизируем планирование

Разрабатываем сервисы прогнозирования многомерных временных рядов (объемы продаж, загрузка складов, нагрузка на информационные системы) с использованием ML-моделей

Обнаруживаем скрытые угрозы

Создаем сервисы детектирования аномалий на основе ML-моделей

Скачать презентацию: Энтропийный подход для обнаружения аномалий (.pdf)

Выводим качество работы с персоналом на новый уровень

Разрабатываем и внедряем модели в области HR - прогнозирование увольнений и автоматизация поиска сотрудников на базе ML-моделей

Помогаем удерживать клиентов и увеличивать продажи

Разрабатываем ML-модели оттока клиентов, модели NBA/NBO, рекомендательные системы на базе искусственного интеллекта

Улучшаем эффективность операционных подразделений

Разрабатываем сервисы по обработке естественного языка (NLP) для задач обработки клиентских обращений, новостной информации, автоматизированного разбора и проверки текстовых документов

Скачать презентацию: Сервис анализа финансовых новостей (.pdf)

Автоматизируем полный жизненный цикл моделей ML

Строим удобную и эффективную инфраструктуру для автоматизации работы аналитиков данных, массового внедрения и эксплуатации ML-моделей на базе решения Neoflex MLOps Center

Скачать презентацию: Neoflex MLOps Center (.pdf)

Создаем Cloud-Native сервисы на базе ML-моделей

Разрабатываем высокопроизводительные облачные сервисы для инференса ML-моделей на инфраструктуре ведущих провайдеров: AWS, GCP, Yandex.Cloud, SberCloud

Почему Neoflex

1

Уникальное сочетание инженерных компетенций (Big Data, CEP, MLOps, разработка) и широкой экспертизы в области создания ML-моделей
2

Мы решаем задачи не только по разработке ML-моделей, но и по их адаптации к реальным условиям и внедрению в промышленную эксплуатацию, а также последующему мониторингу качества их работы
3

Используем лучшие в своем классе программные продукты для автоматизации процессов ML: MLflow, Kubeflow, DVC и др.
4

Наши решения Cloud-Ready, построены на основе Kubernetes или OpenShift, что позволяет им быть легко переносимыми и масштабируемыми
5

Наши Data Scientists и Data Engineers имеют глубокую экспертизу в разработке моделей ML/AI и создании аналитических решений. Их опыт в сочетании с богатым практическим опытом DevOps-инженеров позволяет кардинально повысить скорость внедрения моделей ML/AI
6

Все наши проекты выполняются высокопрофессиональной командой, состоящей из инженеров данных, ML-инженеров, специалистов в предметной области, экспертов Data Science и MLOps

ЗАКАЗАТЬ КОНСУЛЬТАЦИЮ

Почему Neoflex

1

Уникальное сочетание инженерных компетенций (Big Data, CEP, MLOps, разработка) и широкой экспертизы в области создания ML-моделей
2

Мы решаем задачи не только по разработке ML-моделей, но и по их адаптации к реальным условиям и внедрению в промышленную эксплуатацию, а также последующему мониторингу качества их работы
3

Используем лучшие в своем классе программные продукты для автоматизации процессов ML: MLflow, Kubeflow, DVC и др.
4

Наши решения Cloud-Ready, построены на основе Kubernetes или OpenShift, что позволяет им быть легко переносимыми и масштабируемыми
5

Наши Data Scientists и Data Engineers имеют глубокую экспертизу в разработке моделей ML/AI и создании аналитических решений. Их опыт в сочетании с богатым практическим опытом DevOps-инженеров позволяет кардинально повысить скорость внедрения моделей ML/AI
6

Все наши проекты выполняются высокопрофессиональной командой, состоящей из инженеров данных, ML-инженеров, специалистов в предметной области, экспертов Data Science и MLOps

ЗАКАЗАТЬ КОНСУЛЬТАЦИЮ

Технологический стэк

Наши заказчики в области AI/ML и MLOps

Пресс-центр

О Neoflex

Neoflex создает ИТ-платформы для цифровой трансформации бизнеса, помогая заказчикам получать устойчивые конкурентные преимущества в цифровую эпоху.

Мы фокусируемся на заказной разработке программного обеспечения и внедрении сложных информационных систем, 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.

ПОДРОБНЕЕ

Давайте обсудим ваши задачи

Отправляя свои данные через эту форму, я принимаю условия соглашения об обработке персональных данных

+7 (495) 984 25 13

О Neoflex

Экспертиза

Решения

Neoflex MLOps Center