秦蒼科技數(shù)據(jù)科學(xué)家沈赟：AI在消費(fèi)金融產(chǎn)品設(shè)計(jì)以及風(fēng)險(xiǎn)控制中的應(yīng)用 | 硬創(chuàng)公開(kāi)課預(yù)告

本文作者：劉偉

2017-05-20 14:10

導(dǎo)語(yǔ)：本次雷鋒網(wǎng)硬創(chuàng)公開(kāi)課邀請(qǐng)了秦蒼科技數(shù)據(jù)科學(xué)家沈赟博士，為大家詳細(xì)介紹如何運(yùn)用人工智能和機(jī)器學(xué)習(xí)進(jìn)行金融產(chǎn)品設(shè)計(jì)、用戶信用審核以及反金融詐騙。?

近兩年，隨著互聯(lián)網(wǎng)金融迅速走俏，消費(fèi)分期相關(guān)的業(yè)務(wù)逐漸成為備受矚目的藍(lán)海市場(chǎng)，據(jù)第三方研究機(jī)構(gòu)預(yù)測(cè)，中國(guó)潛在的市場(chǎng)規(guī)?？蛇_(dá)十萬(wàn)億。

與此同時(shí)，中國(guó)的個(gè)人征信體系卻遲遲未能健全。尤其是為數(shù)眾多的藍(lán)領(lǐng)人群，他們既是沒(méi)有個(gè)人征信記錄的“薄文件”人群，又是小額分期業(yè)務(wù)的主力消費(fèi)群體。沒(méi)有征信記錄不代表信用不佳，如何才能快速精準(zhǔn)地從這些人群中找到優(yōu)質(zhì)客源，是互聯(lián)網(wǎng)分期行業(yè)面臨的重要課題之一。

此外，中國(guó)網(wǎng)絡(luò)黑產(chǎn)的規(guī)模也已達(dá)到千萬(wàn)級(jí)別，如何提高欺詐分子的作案成本，提高系統(tǒng)的防御能力和預(yù)警能力也成為了互聯(lián)網(wǎng)金融行業(yè)的共同課題。

傳統(tǒng)金融行業(yè)的風(fēng)險(xiǎn)控制主要依賴于人力完成，周期長(zhǎng)、效率低；在追求速度與用戶體驗(yàn)的互聯(lián)網(wǎng)時(shí)代已然不再適用。人工智能和機(jī)器學(xué)習(xí)成了新的選擇。

本次雷鋒網(wǎng)硬創(chuàng)公開(kāi)課邀請(qǐng)了秦蒼科技數(shù)據(jù)科學(xué)家沈赟博士，為大家詳細(xì)介紹如何運(yùn)用人工智能和機(jī)器學(xué)習(xí)進(jìn)行金融產(chǎn)品設(shè)計(jì)、用戶信用審核以及反金融詐騙。

嘉賓介紹

秦蒼科技數(shù)據(jù)科學(xué)家沈赟：AI在消費(fèi)金融產(chǎn)品設(shè)計(jì)以及風(fēng)險(xiǎn)控制中的應(yīng)用 | 硬創(chuàng)公開(kāi)課預(yù)告

沈赟博士，秦蒼科技數(shù)據(jù)科學(xué)家，具有9年金融領(lǐng)域機(jī)器學(xué)習(xí)研究開(kāi)發(fā)經(jīng)驗(yàn)。擁有德國(guó)柏林工業(yè)大學(xué)電子信息科學(xué)與技術(shù)博士學(xué)位、上海交通大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)碩士學(xué)位、德國(guó)柏林工業(yè)大學(xué)電子信息科學(xué)與技術(shù)碩士學(xué)位、上海交通大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)本科學(xué)位。

曾在Journal of Machine Learning Research, Neural Computation, SIAM Journal on Control and Optimization等機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)以及應(yīng)用數(shù)學(xué)等領(lǐng)域的頂級(jí)期刊和會(huì)議上發(fā)表多篇學(xué)術(shù)論文。

曾任職德國(guó)LOBSTER Data 量化分析師，分析處理高頻Nasdaq數(shù)據(jù)，輔助完成產(chǎn)品上線?，F(xiàn)擔(dān)任秦蒼科技數(shù)據(jù)科學(xué)家，率領(lǐng)團(tuán)隊(duì)構(gòu)建基于機(jī)器學(xué)習(xí)的信用評(píng)分、額度策略、反欺詐以及用戶生命周期內(nèi)的自動(dòng)化動(dòng)態(tài)調(diào)頻系統(tǒng)等。成功打造了基于用戶數(shù)據(jù)1秒內(nèi)完成信用評(píng)分的評(píng)分機(jī)制，相比傳統(tǒng)模型提高了25%AUC。