瞭解個人化客戶服務、詐騙預防、風險計算等方面的未來發展。
金融科技正如火如荼地推動全球創新，這將改變公司、消費者和款項在各產業間的互動方式，包含金融服務到零售、交通運輸，乃至其他產業。人工智慧的推薦引擎讓金融科技企業能提供更合乎個人需求的互動式服務，例如對話式人工智慧能改善自助服務，詐騙偵測模型可使交易作業更加安全。
請於此處瀏覽完整的 GTC 隨選播放清單。
FBSDE 模型會顯示許多計量金融 (定價與避險) 中的利益問題，供使用者處理瑕疵之處，例如貸入與貸出的不同利率。
瞭解機器學習如何重新塑造信貸風險模型；該模型是銀行用來評估信用等級的數學模型。
我們會介紹採用元學習框架進行自動標記與時間重新訓練的端對端框架，並以指標、模型與最佳化元學習方法提出結果大綱。
我們會透過傳統與深度學習方法，深入探討成功詐騙偵測解決方案背後的資料科學。
我們會介紹適用於 Apache Spark 的 RAPIDS 加速器在執行類似於 TPC-DS 基準，比例因數為 3,000 (未壓縮時為 3TiB) 的查詢時的現況。
本演講將涵蓋可在串流資料中辨識支付詐騙的機器學習技術，並會示範 MLops 做法與工具如何輕鬆將實驗內容導入生產。
瞭解自動可解釋的詐欺偵測系統 LexIQal，該系統會自動偵測詐欺行為，以支援保險和金融服務的遠端操作者。