首页
学习
活动
专区
圈层
工具
发布
    • 综合排序
    • 最热优先
    • 最新优先
    时间不限
  • 来自专栏科技向令说

    流水的数字内容,铁打的内容

    可见,数字内容依然任重道远。而随着内容平台对数字内容逐渐重视,相关需求正在不断上升。数字内容平台发展,如何做到内容「不失控」,已事关企业生死存亡。 国家应急中心2022年1-7月的12次通报已经敲钟——内容将会越来越重要,内容平台因数字内容获益,理应承担更多的内容治理责任,背后逻辑很好理解。 ,来自网络各个角度对应用的攻击等,这从第三方安全公司网易易盾提供的数字内容安全解决方案中,也能感受到数字内容需要「面面俱到」。 03 内容平台如何「」免「封」? 显而易见,互联网内容平台正在进入「少犯错即成功」的时代,内容平台如何避免封,需要认识到数字内容的几大特点。 第一,门槛看似低,其实非常高。 网易从提供博客、邮件类产品开始即重视内容,且其业务所涉的游戏、电商、社交、娱乐等都需要内容。这些内部需求和实践,让网易拥有20多年数据积累,也让网易易盾在内容上「见多识广」。

    1.1K10编辑于 2022-09-20
  • 来自专栏SAMshare

    ML | 模型报告以及上线后需要监控的内容

    一个优秀的模型上线报告以及一个优秀的上线后模型监控报表,在我们日常建模中是非常的常用并且有用的,今天这个话题就来和大家聊聊怎么去制作优秀的模型上线报告以及上线后的模型监控报表,主要聊聊思路,先要有一个全局的感受 以下内容均基于自己浅薄的经历提炼的,如有纰漏,欢迎指正或补充哦,欢迎交流~ 00 Index 01 聊聊为什么要做这件事 02 标配的模型上线报告应具备哪些内容 0201 模型现状 0202 KS值与各种曲线 02 标配的模型上线报告应具备哪些内容 0201 模型现状 想要突出你模型的好,你得先分析旧模型的不好。 比如说,把目前线上模型的实际表现进行统计,如KS值、分组排序性、PSI等基础指标。 0202 KS值与各种曲线 我们需要描述模型的效果,在领域最直接的指标就是KS值,我们一般会认为KS>0.3才具备最基本的上线要求,而且我们要保证训练集、测试集以及跨时间测试集都需要达到标准哦! 一般情况下,我们会对预测结果按照一定的阈值,进行分组,比如分为A/B/C/D/E/F共6组,越靠后就意味着越有可能是高风险客户,我们给予一定的规则进行拦截。

    4.4K21编辑于 2022-04-12
  • 来自专栏SAMshare

    ML | 建模的KS

    我们这做模型的时候,经常是会用KS值来衡量模型的效果,这个指标也是很多领导会直接关注的指标。今天写一篇文章来全面地剖析一下这个指标,了解当中的原理以及实现,因为这些知识是必备的基本功。 不过这不影响我们去使用它,我们只需要知道在中是怎么实现的,并且在实际场景中怎么去使用它就可以了。就如上面我们说的,KS在主要是用于评估模型的好坏样本区分度高低的。什么是区分度? 可以看下图: 从业务上来说,就是越往后的箱子,客户的质量越差,rate整体上呈现单调性,从而可以把大多数的坏人,直接从箱的维度上就可以区分开来了,在后续的策略使用体验上十分友好。 02 KS的生成逻辑 KS的生成逻辑公式也是十分简单: 好样本累计占比坏样本累计占比 在领域,我们在计算KS前一般会根据我们认为的“正态分布原则”进行分箱,一般来说分成了10份,然后再进行KS的计算 03 KS的效果应用 KS的值域在0-1之间,一般来说KS是越大越有区分度的,但在领域并不是越大越好,到底KS值与模型可用性的关系如何,可看下表: 004 KS的实现 首先我们来对上面展示的例子进行

    6.2K31编辑于 2022-02-25
  • 来自专栏数据科学与人工智能

    互联网金融7个问题

    目前最常用的模型是哪些? 模型:常用于担保公司,测算最高能够承受的风险,并且根据市场与资本,建立最有效的模型进行风险手段。 模型是在良好的建立体系、评定方式、评分机制等基础上,进行有效的数据分析及评分体系,就是建立常用的模型方式; 首先,金融公司设计的任何形态的模型,都要符合自身企业的业务发展及市场需求, 模型如果真要界定一个衡量标准或者说最常用的,那么就是评分卡、模型架构制定、操作模型等,其实我觉得目前市场,也没有一个明确的衡量标准。 个人认为还是适合自己企业的模型。 小微与个贷的模型构建原理 小微和个贷:小微企业信贷业务和个人信贷业务,就是企业借款和个人借款; 不管那类业务基于的模型原理:体系完善和大数据分析,这就是的真谛,其实上面的问题里都有在阐述这两个方面的内容 7.有效模型建立的必要条件是哪些?目前市场现状如何?是担保、小贷公司自己做,还是委托给第三方? 模型之前已经阐述过了,这里就不做重复了。

    3.7K50发布于 2018-02-28
  • 来自专栏LieBrother

    何为

    定义 是风险控制的简称,在百度百科中是这么定义风险控制的。 在我们日常生活中随时可见,小到账户登录验证码,都可以算是一种的手段。 这里我们着重了解下信贷下的,结合了场景的,则赋予了更多的意义。 信贷的目标是「利益最大化」,而不是没有风险,在风险和利润之间找到平衡,是信贷的核心。 ,以及在信贷场景下的如何实现,的目标永远是降风险,但不是一味地降,在不同场景下有不同的考虑。 文章例子参考《智能平台:架构、设计与实现》

    2.9K21编辑于 2022-12-20
  • 来自专栏SAMshare

    ML | 建模的WOE与IV

    ML」系列文章,主要是分享一下自己多年以来做金融的一些事一些情,当然也包括建模、机器学习、大数据等相关技术分享,欢迎同行交流与新同学的加入,共同学习,进步! 第一次接触这两个名词是在做模型的时候,老师教我们可以用IV去做变量筛选,IV(Information Value),中文名是信息值,简单来说这个指标的作用就是来衡量变量的预测能力强弱的,然后IV又是

    4.8K20发布于 2021-11-30
  • 来自专栏全栈程序员必看

    信贷模型搭建及核心模式分类

    E.应用场景 模型的应用场景非常广泛,只要牵扯互联网金融的行业就缺少不了模型的存在,从借贷的角度来看,平台要评估借贷者的个人征信和还款能力从而保证投资者的收益;从投资者的角度,要保证平台的资金安全 另外,模型在不同的阶段体现的方式和功能也不一样。 从资金的角度来看,模型是为了评估用户还款能力和还款意愿,反欺诈反作弊,防止用户薅羊毛和保证平台安全等功能;从行业的角度,互联网模型体现在消费金融/供应链金融/信用借贷/P2P/大数据征信等方面。 所以说,模型的计算策略和机制在一个公司属于绝密,规则除了核心的员工,其他人是不能知道规则的。 四、的核心 如果说金融产品的核心是,那么的核心是什么? 五、模型的设计步骤 总体来说模型的设计主要可以分为以下的几个步骤: 1.获取数据 信用评估来自于用户数据,模型规则其实就是用户数据规则,信息的纬度也比较广泛,大致可以分为基本信息/行为信息

    4.1K11编辑于 2022-08-14
  • 来自专栏用户3246163的专栏

    1.1 原则

    风险管理的目标是减少和消除EL,但是更concern UL,A对 承担风险的数量和潜在损失的大小不是绝对相关的,B错 风险管理的最后一步是监控,C错 风险是不确定性,不确定性是不会消失的,采用风险转移只是把风险转给了别的公司,D错

    3.3K60发布于 2018-09-14
  • 来自专栏全栈程序员必看

    支付模型

    支付涉及到多方面的内容,包括反洗钱、反欺诈、客户风险等级分类管理等。 其中最核心的功能在于对实时交易进行风险评估,或者说是欺诈检测。如果这个交易的风险太高,则会执行拦截。 二、基于规则的 规则是最常用的,也是相对来说比较容易上手的模型。从现实情况中总结出一些经验,结合名单数据,制定规则,简单,有效。 常见的规则有: 1. 互联网金融离不开机器学习,特别是支付。 在各种支付模型中,决策树模式是相对比较简单易用的模型。 如下的决策树模型,我们根据已有的数据,分析数据特征,构建出一颗决策树。 这个过程,将在下一篇的架构中介绍。 五、模型评估 本质上是对交易记录的一个分类,所以对模型的评估,除了性能外,还需要评估“查全率”和“查准率”。 支付场景分析 ; 支付数据仓库建设 ; 支付模型和流程分析(本文); 支付系统架构 发布者:全栈程序员栈长,转载请注明出处:https://javaforall.cn

    4.3K22编辑于 2022-08-11
  • 来自专栏SAMshare

    ML | 建模中怎么做拒绝推断

    建模中的样本偏差与拒绝推断》https://zhuanlan.zhihu.com/p/88624987 不过我也还是把他文章里的分类体系在这里重点再次分享一下。 06 总结一下 本文算是一个对拒绝推断的入门介绍了,让初涉模型的同学有一个相对来说比较清晰的全局认识,这里面涉及到的很多算法模型上的细节并没有展开来讲,因为我觉得这也会让阅读带来比较大的负担,公众号的文章还是要控制在几分钟内读完比较合适 Reference [1] 异常检测算法分类及经典模型概览 https://blog.csdn.net/cyan_soul/article/details/101702066 [2] 建模中的样本偏差与拒绝推断

    3.1K30编辑于 2022-11-14
  • 来自专栏腾讯安全

    一图了解内容解决方案

    近期,针对文娱内容行业的政策出台,在此前清朗行动的基础上,相关部门对泛娱乐内容产品和平台提出了明确的要求和配套措施。 各平台除了仔细盘点自家风险,做好开放社区的内容和违规内容清洗外,还需搭建起专业、精准、高效的内容安全防护系统,全流程把内容风险,及时应对“灰犀牛”和“房间里的大象”。 由于各个开放内容平台的业务场景不同,平台的抗风险能力高低不齐,行业内标准又未形成统一,对于平台方和运营者来说,灵活度高、具有针对性的内容解决方案将有助于减轻平台内容合规的压力。 一图了解内容防护方案 WechatIMG6721-2_01.jpg WechatIMG6721-2_02.jpg WechatIMG6721-2_03.jpg WechatIMG6721-2_04

    1.1K30发布于 2021-09-07
  • 来自专栏SAMshare

    ML | 中的异常检测原理与应用

    今天来介绍一下中的异常检测,从最基础的概念开始讲起,因为本人对这块的内容平时工作也做得不多,更多滴偏向于“纸上谈兵”,有什么说得不对的地方,也欢迎各位朋友指正~谢谢。 异常检测的概念 02 异常检测的难点 03 异常检测的分类及常见算法 01 异常检测的概念 异常检测(Anomaly Detection 或 Outlier Detection),又称为离群点检测,在我们领域很多地方都会用到 www.pianshen.com/article/31332148436/ [6] 基于图的异常检测(一):OddBall https://zhuanlan.zhihu.com/p/69159780 [7]

    4.6K20编辑于 2022-04-12
  • 来自专栏SAMshare

    ML | 建模中GBDT和XGBoost怎么调优

    00 Index 01 GBDT和XGBoost的原理介绍 02 GBDT和XGBoost的异同点分析 03 什么建模场景下常用这两个明星算法? 03 什么建模场景下常用这两个明星算法? 交易反欺诈:A级出场率,主要是支付,防止客户进行薅羊毛、套现等行为。 客户流失:A级出场率。 贷后 催收告警:A级出场率。 迁徙率预测:B级出场率。 失联修复:C级出场率。 而关于模型怎么调优,我会在下一节一起讲。 模型怎么调优 关于模型的调优,先前有篇文章讲得比较细致《ML[7] | 模型调优的思路有哪些》,大家可以移步去回顾一下。

    2.7K30编辑于 2022-11-14
  • 来自专栏SAMshare

    ML | 建模老司机的几点思考与总结

    ML」系列文章,主要是分享一下自己多年以来做金融的一些事一些情,当然也包括建模、机器学习、大数据等相关技术分享,欢迎同行交流与新同学的加入,共同学习,进步! 而在开始搜集数据前,需要了解几点内容: 1、模型应用节点 2、时效性要求 2、有没有预算,预算有多少 3、项目紧急程度 模型应用节点 模型的应用节点,决定了你有哪些变量是不可以用的,避免说出现“事后变量 在了解了以上的内容后,你就可以开始搜集所有相关的数据了,因为你的数据源会非常多,所以这里你必须做好数据的归档,不然后期会很乱,而且原始数据需要备份一份不要动,方便后续复盘使用。 具体可以参考我先前的一篇文章内容《分享8点超级有用的Python编程建议》 搞到数据后,需要做的事情大概可以分为: 1、消化所有的数据含义、逻辑; 2、对数据进行各种清洗,变成你熟悉的结构; 3、对数据进行质量控制

    2.2K30发布于 2021-11-30
  • 来自专栏腾讯安全

    只招2个人,企业能做好内容吗?

    为了解决数据内容安全问题,腾讯云对象存储COS推出了一站式内容审核,提供了包含图片、视频、语音、文字等全品类数据的内容安全智能审核服务,帮助用户有效识别色情低俗、违法违规、恶心反感等违禁内容,协助用户建设绿色健康的平台环境 与企业自己建设管理能力相比,腾讯云的解决方案显著地提升了企业在内容方面的效率和质量。 看下图更直观地对比 1.png 快速高效,覆盖多种媒体数据类型 COS内容审核依托腾讯安全20年数字内容安全运营经验,可以快速高效地完成对图片、音频、语音、文本等多种媒体数据的审核,为企业提供成熟的云上内容审核解决方案 多种使用形式,确保审核准确率 COS内容审核功能丰富,使用形式多样,通过控制台配置可以实时完成对存量和新增内容的自动检测,且支持快速动态扩容,调用内容审核的API接口实现对存储桶内指定的文件审核。 而COS内容审核的多违规类型覆盖、增量数据自动触发审核、审核秒级响应、场景化定制,可以满足所有审核场景。 为了让用户更好体验内容审核功能,COS推出内容审核专题活动,资源包低至1元起。

    2.7K20发布于 2021-04-23
  • 来自专栏腾讯云存储

    只招2个人,企业能做好内容吗?

    为了解决数据内容安全问题,腾讯云对象存储COS推出了一站式内容审核,提供了包含图片、视频、语音、文字等全品类数据的内容安全智能审核服务,帮助用户有效识别色情低俗、违法违规、恶心反感等违禁内容,协助用户建设绿色健康的平台环境 与企业自己建设管理能力相比,腾讯云的解决方案显著地提升了企业在内容方面的效率和质量。 看下图更直观地对比 01 快速高效,覆盖多种媒体数据类型 COS内容审核依托腾讯安全20年数字内容安全运营经验,可以快速高效地完成对图片、音频、语音、文本等多种媒体数据的审核,为企业提供成熟的云上内容审核解决方案 02 多种使用形式,确保审核准确率 COS内容审核功能丰富,使用形式多样,通过控制台配置可以实时完成对存量和新增内容的自动检测,且支持快速动态扩容,调用内容审核的API接口实现对存储桶内指定的文件审核 而COS内容审核的多违规类型覆盖、增量数据自动触发审核、审核秒级响应、场景化定制,可以满足所有审核场景。 为了让用户更好体验内容审核功能,COS推出内容审核专题活动,资源包低至1元起。

    2.4K20发布于 2021-05-20
  • 来自专栏腾讯安全

    产业安全专家谈|企业如何基于AI搭建内容防线?

    腾讯安全高级应用研究员周维聪作客「中国信息协会网信大讲堂」,围绕AI技术在内容领域的落地与实践,分享不良内容的审核挑战及内容体系的整体构建思考。 Q1:当前在内容生产、上架的过程中,内容安全上存在哪些挑战?周维聪:内容安全已成为重中之重,但在实际中,内容安全挑战主要体现在三个方面:第一,内容安全审核标准非常多样化。 Q2:针对内容安全面临的挑战,目前有哪些技术可以助力企业内容体系的打造?周维聪:在内容体系中,除人审能力外,机审也是重要能力之一。 顶层方案层,涵盖未成年人保护的方案、电商内容解决方案等,从更细分的内容场景出发提供内容整体能力。Q5:面对当前内容安全风险,腾讯安全内容产品有哪些应对优势? 此外,7*24小时一对一策略调优、弹性扩容支撑,可以超大规模响应识别需求。

    2.2K30编辑于 2022-07-01
  • 来自专栏AI科技时讯

    领域特征工程

    在金融行业,风险控制()是核心环节,它关乎资产安全、合规性以及机构的长期稳健发展。随着大数据时代的到来,金融机构面临着前所未有的数据量和复杂性。 在这样的背景下,领域特征工程应运而生,成为连接原始数据与精准风险评估的桥梁。 特征工程,简而言之,是对数据的一种深度加工,它通过一系列技术手段,将原始数据转化为对风险预测有用的信息。 在领域,特征工程的核心目标是构建出能够准确反映个体或实体风险水平的特征集。 此外,良好的特征工程实践还能促进模型的解释性,为决策提供更加透明的依据。 随着技术的发展,特征工程的方法也在不断创新。 通过综合运用这些特征衍生方法,领域的特征工程能够更全面地挖掘数据潜力,为风险评估提供多维度的视角。

    2.3K11编辑于 2024-08-20
  • 来自专栏沃趣科技

    为本创新驱动,券商如何实现智能加速?

    合规始终是公司的首要核心竞争力,该券商不断推进全面风险管理体系建设,需要全方位提升主动合规控管理能力,进而提升风险管理精细化、智能化水平。 而由于合规处于企业核心竞争力的高度,原数据积累10年,数据量已超30TB。 非现场平台各项报表和查询生成时间逐渐拉长。夜间批量任务越来越慢,部分任务出现超时失败现象。 02 原合规数据库数据量巨大,原有的传统的备份手段难以实现数据的实时保护。 解决方案 沃趣科技以QData高性能数据库云平台作为数据库基础架构平台替换原传统“烟囱式”系统架构,承载合规核心数据库系统,助力业务处理效率大幅提升。 价值提升 1 通过QData数据库云平台大幅提升了系统的业务效率,日终调度业务从原十几个小时缩短至1.5小时,性能提升10倍以上。

    2.3K10发布于 2021-10-12
  • 来自专栏大数据架构师成长之路

    数据体系-简介

    早期传统金融的主要利用了信用属性强大的金融数据,一般采用20个维度左右的数据,利用评分来识别客户的还款能力和还款意愿。 结合中国互联网发展,以及目前的征信监管要求,对可用数据及可用类数据做一个全面的梳理。 2.数据来源 2.1 数据应用逻辑 常见流程中,客户准入时提供的资信材料有限,业务机构数据体量不足,仅仅根据内部风险数据进行风险评估会非常片面,无法全面的把某位客户的风险情况,所以通常需要依赖于第三方供应商提供数据作风支撑 未来百行能不能有效被使用上还有待观察,但人员可先了解其相关的资料。百行征信涉及的模块,主要包括以下方面: 报告相关数据:报告时间;查询原因;查询结果等。 4.2 明确需求 建议:回顾第二节数据应用逻辑关于业务类型、风险类型、流程、风险画像等的介绍。

    6.7K67发布于 2020-06-29
领券