Как разрабатывать партнерские сервисы и не рисковать при этом данными?

Об этом на Scoring Day расскажут Екатерина Кузнецова и Юрий Петин из ОКБ.

В условиях ужесточения требований к обработке ПДн бизнесу нужны инструменты, обеспечивающие безопасное обучение как внутренних, так и партнерских вероятностных моделей. Таким решением является федеративное обучение, когда совместные модели обучаются децентрализованно, а данные каждого партнера не покидают его контур.

Что дает федеративное обучение:
- развитие партнерств без передачи сырых данных;
- контроль рисков и соответствие требованиям регуляторов;
- сопоставимое качество скоринга при защищенной архитектуре.

Результаты внутренних экспериментов ОКБ по вертикальному FL:
- потери в GINI — всего несколько п.п. от модели, обученной на полном наборе фичей в режиме standalone (обучающая выборка — 1 млн строк, 100 признаков).

Чтобы узнать, как федеративное обучение работает на практике, — приходите на Scoring Day!

Екатерина Кузнецова — руководитель направления развития ML-продуктов ОКБ. 10 лет в сфере Data Science в российских и международных компаниях: Accenture, Т-банк, Commonwealth Bank of Australia. В ОКБ развивает партнерские продукты на основе конфиденциальных вычислений.

Юрий Петин — руководитель направления обработки больших данных ОКБ. 10+ лет в сфере ИТ и Big Data. В ОКБ руководит развитием ML платформы и решений на основе конфиденциальных вычислений.

👉 Сайт, программа и регистрация