金融行业解决方案

在科技融入金融业务的数字化转型中,应用云计算、大数据、人工智能、区块链、5G等最新科技到银行、保险、证券等金融业务发展中,金融业务流程正在被重塑,从而实现产业升级。通过金融专区、全栈专属云安全合规部署和全栈的创新技术能力,助力金融客户实现业务的敏捷创新、智能化升级等数字化转型目标

 
专业咨询服务 ∙ 助您上云无忧
专属顾问会在1个工作日内联系您
 请填写联系人
 请填写真实电话
提交

    机器学习金融风控 更多内容
  • 风控引擎

    图80 风险案件库 系统管理-产品管理 接入全景式业务系统的前提是需要先创建产品, 系统会分配 appId和appSecret. 这两个参数标识一个应用, 也贯穿整个体系, 包括事件, 字段, 指标, 策略等, 就算是调用任何一个接口都需要对appId和appSecret进行鉴权。

    来自:帮助中心

    查看更多 →

  • 产品功能

    可视化数据监管 为数据参与方提供可视化的数据使用流图,提供插件化的 区块链 对接存储,实现使用过程的可审计、可追溯。 智能服务 应用在金融领域(银行、保险、证券)平台等系统中,解决这些系统所面临的大数据量,高并发,低时延,水平扩展,业务编程,多租户等瓶颈问题。

    来自:帮助中心

    查看更多 →

  • 机器学习端到端场景

    placeholder_type=wf.PlaceholderType.STR, default="0.002", description="训练的学习率策略(10:0.001,20:0.0001代表0-10个epoch学习率0.001,10-20epoch学习率0.0001),如果不指定epoch

    来自:帮助中心

    查看更多 →

  • 使用MLS预置算链进行机器学习建模

    使用MLS预置算链进行机器学习建模 本章节介绍如何通过一键运行预置的餐厅经营销售量预测算链,完成建模,帮助开发者快速了解MLS的建模过程。 前提条件 已经创建一个基于MLStudio的Notebook镜像,并进入MLS Editor可视化编辑界面,具体参考进入ML Studio操作界面章节。

    来自:帮助中心

    查看更多 →

  • 方案概述

    基于顶象能力搭建全行级的反欺诈中台,服务于客户全部业务线,能够结合具体业务需求配置针对金融业务领域的策略。 客户价值: 全面实现全渠道、跨产品、各种关联方式的欺诈风险的实时防。为行方构建了有效的全行级反欺诈体系,获得亚洲银行家大奖。 电商公司反营销作弊智能系统 业务痛点:

    来自:帮助中心

    查看更多 →

  • 应用场景

    在海量知识中快速关联查询秒级响应,搜索结果更准确。 知识梳理 通过图上分析计算,合并相似本体,进行知识消岐。 学习路径的识别及推荐 通过知识点的先修关系,识别学习路径,针对薄弱知识点进行学习路径推荐。 金融应用 面对层出不穷、复杂多样的个人和群体行为,帮助客户挖掘出潜在的风险,为客户保驾护航。 该场景能帮助您实现以下功能。

    来自:帮助中心

    查看更多 →

  • 应用场景

    应用场景 政企信用联合 金融机构对于中小微企业的信用数据通常不足,央行征信数据覆盖率有限,不良企业多家骗贷事件屡有发生。金融机构与政府部门,如税务部门、市场监管部门、水电公司等在保护各方原始数据隐私的前提下,通过多方联合建模,金融机构补充了模型特征维度,提升模型准确率。 优势:

    来自:帮助中心

    查看更多 →

  • FPGA加速型

    概述 FPGA加速云服务器(FPGA Accelerated Cloud Server, FA CS )提供FPGA开发和使用的工具及环境,让用户方便地开发FPGA加速器和部署基于FPGA加速的业务,为您提供易用、经济、敏捷和安全的FPGA云服务。 FPGA加速云服务器包括两类: 高性能架构

    来自:帮助中心

    查看更多 →

  • 从0到1利用ML Studio进行机器学习建模

    Studio操作界面章节。 Step1 创建一个空算链 单击Launcher界面的MLS Editor,选择名为PySpark-2.4.5的Kernel,创建一个空的算链。 创建算链后,左侧界面自动跳转到资产预览界面。 图1 算链创建成功 Step2 使用ML Studio建模 从左侧资产浏览界面

    来自:帮助中心

    查看更多 →

  • 单点环路检测(Single Vertex Circles Detection)

    单点环路检测(Single Vertex Circles Detection) 概述 单点环路检测(Single-Vertex-Circles-Detection)是一个经典的图问题,意在寻找图中的环路。环路上的点较好地体现了该点的重要性。 适用场景 单点环路检测适用于交通运输、金融等场景。 参数说明

    来自:帮助中心

    查看更多 →

  • 可信智能计算服务 TICS

    已发布区域:北京四、北京二 如何创建多方安全计算作业? 可信联邦学习作业 可信联邦学习作业是 可信智能计算 服务提供的在保障用户数据安全的前提下,利用多方数据实现的联合建模,曾经也被称为联邦机器学习。 横向联邦机器学习 横向联邦机器学习,适用于参与者的数据特征重叠较多,而样本ID重叠较少的情

    来自:帮助中心

    查看更多 →

  • 中介中心度算法(Betweenness Centrality)

    中介中心度算法(Betweenness Centrality)以经过某个节点的最短路径数目来刻画节点重要性的指标。 适用场景 可用作社交、等网络中“中间人”发掘,交通、传输等网络中关键节点识别;适用于社交、金融、交通路网、城市规划等领域 参数说明 表1 Betweenness Centrality算法参数说明

    来自:帮助中心

    查看更多 →

  • k核算法(k-core)

    点的核数。其计算结果是判断节点重要性最常用的参考值之一,较好的体现了节点的传播能力。 适用场景 k核算法(k-core)适用于社区发现、金融等场景。 参数说明 表1 k核算法(k-core)参数说明 参数 是否必选 说明 类型 取值范围 默认值 k 是 核数。 算法会返回核数大于等于k的节点。

    来自:帮助中心

    查看更多 →

  • 适用于人工智能与机器学习场景的合规实践

    0版本之前未开启Kerberos认证的集群不支持访问权限细分。只有开启Kerberos认证才有角色管理权限, MRS 1.8.0及之后版本的所有集群均拥有角色管理权限。 MRS集群未开启kerberos认证,视为“不合规” MRS服务暂不支持集群创建完成后手动开启和关闭Kerberos服务,

    来自:帮助中心

    查看更多 →

  • 带一般过滤条件环路检测(filtered circle detection)

    detection)算法适用于金融中循环转账检测、反洗钱,网络路由中异常链接检测,企业担保圈贷款风险识别等场景。 参数说明 表1 filtered circle detection参数说明 参数 是否必选 说明 类型 取值范围 默认值 sources 否 查询的起始节点ID集合 String

    来自:帮助中心

    查看更多 →

  • 点集全最短路(All Shortest Paths of Vertex Sets)

    点集全最短路(All Shortest Paths of Vertex Sets) 概述 点集全最短路算法(Shortest Path of Vertex Sets)用于发现两个点集之间的所有最短路径。 适用场景 点集最短路算法可应用于互联网社交、金融、路网交通、物流配送等场景下的区块之间关系的分析。

    来自:帮助中心

    查看更多 →

  • 方案概述

    痛点三:企业的合作伙伴信息不透明,需要深入了解其经营状况和商业风险。合作伙伴选择需要综合考虑多个因素。 通过本方案实现的业务效果: 金融-信贷业务/(国有银行/商业银行/金融服务/财产保险/人寿保险) 降低合规监管风险:多维度数据整合、实时风险评估,提供全面的信用分析。前对企业评估风险,防范骗

    来自:帮助中心

    查看更多 →

  • 典型应用

    成推荐。 优势: 超强写入:相比于其他NoSQL服务,拥有超强写入性能。 大数据分析:结合Spark等工具,可以用于实时推荐等大数据场景。 金融行业 云数据库 GeminiDB结合Spark等大数据分析工具,可应用于金融行业的体系,构建反欺诈系统。 优势: 大数据分析:结合S

    来自:帮助中心

    查看更多 →

  • 合规规则包示例模板

    0规范检查的标准合规包 适用于金融行业的合规实践 华为云网络安全合规实践 适用于统一身份认证服务(IAM)的最佳实践 适用于云监控服务(CES)的最佳实践 适用于计算服务的最佳实践 适用于弹性云服务器(ECS)的最佳实践 适用于弹性负载均衡(ELB)的最佳实践 适用于管理与监管服务的最佳实践 适用于云数据库(RDS)的最佳实践

    来自:帮助中心

    查看更多 →

  • 算法一览表

    单点环路检测(Single-Vertex-Circles-Detection) 单点环路检测是一个经典的图问题,意在寻找图中的环路。环路上的点较好地体现了该点的重要性,适用于交通运输、金融等场景。 点集共同邻居(Common Neighbors of Vertex Sets) 可以

    来自:帮助中心

    查看更多 →

  • OD中介中心度(OD-betweenness Centrality)

    个点/某条边的最短路径数目来刻画边重要性的指标。 适用场景 可用作社交、等网络中“中间人”发掘,交通、传输等网络中关键节点识别,城市热点事件\早晚高峰人群车辆迁徙发生时关键路段的模拟;适用于社交、金融、交通路网、城市规划等领域 参数说明 表1 OD-betweenness

    来自:帮助中心

    查看更多 →

共105条
看了本文的人还看了