开发经理
互联网金融
人工智能
机器学习
推荐课程
average > 0 ? $model->average . '分' : '10.0分' ?>

人工智能Fairness在金融行业的研究:基于Pipeline的方法

HSBC (Singapore) AIDA Innovation Labs, Data Scientist (SVP)

徐俊,博士,现就职于汇丰银行 (HSBC) 新加坡创新实验室. 华南理工大学客座教授。他曾是西部数据(West Digital)创新实验室在新加坡的负责人。他也曾任职于新加坡淡马锡实验室,新加坡南洋理工大学和新加坡数据存储研究所。他在数据分析,机器学习,物联网(IOT), 机器人,自动化控制, 数据和云存储等领域的创新和研发超过18年的经验。他已发表过近60篇国际期刊和会议论文,在Elsevier(woodhead)和Springer-Nature (Apress)出版过2本技术专著,拥有多项美国专利/申请。他目前是多个国际会议的副编辑或者委员会成员,IEEE高级会员,具有FRM资格, 也曾是国际期刊Unmanned System的编委,和新加坡南洋理工大学的兼职博导。

徐俊,博士,现就职于汇丰银行 (HSBC) 新加坡创新实验室. 华南理工大学客座教授。他曾是西部数据(West Digital)创新实验室在新加坡的负责人。他也曾任职于新加坡淡马锡实验室,新加坡南洋理工大学和新加坡数据存储研究所。他在数据分析,机器学习,物联网(IOT), 机器人,自动化控制, 数据和云存储等领域的创新和研发超过18年的经验。他已发表过近60篇国际期刊和会议论文,在Elsevier(woodhead)和Springer-Nature (Apress)出版过2本技术专著,拥有多项美国专利/申请。他目前是多个国际会议的副编辑或者委员会成员,IEEE高级会员,具有FRM资格, 也曾是国际期刊Unmanned System的编委,和新加坡南洋理工大学的兼职博导。

课程费用

6800.00 /人

课程时长

50分钟以下及更短时间

成为教练

课程简介

案例背景:
人工智能在金融领域的应用越来越多,很多系统的自动判断,比如各种打分和预测,影响了金融系统中的很多决策工作(比如信贷,营销等)。同时由于很多决策涉及到个人的敏感数据(比如年龄和种族),其中的歧视和不公平由此成为一个显著的问题. 由此,很多国家和地区对此展开了一系列的研究以及规则制定. 比如欧盟,美国和新加坡。我会讲述关于人工智能公正/公平性的具体表现形式,基于机器学习Pipeline的各类可能和判别的指标,以及在金融系统中的具体事例. (演讲中使用公开数据;不涉及项目本身的数据和事例)。

解决思路:
1.合理的制定业务项目的目标,深入了解可能的偏见情况,并将该目标和机器学习的性能指标以及Fairness评价指标联系起来。
2.规划机器学习的pipeline,系统性的分析各个步骤中可能产生的偏差,并及时更正,避免进入下个阶段
3.制定适合本企业的监管制度保证后台决策人和机器输出更好地协同工作


成果:
我们结合一系列Fairness评价指标和模型的,可以确保机器学习模型性能满足要求的同时,也可以保证一定的Fairness。Fairness模型对于金融领域的健康发展有着巨大的帮助,也是在当前金融监管,隐私和人工智能道德受到广泛关注的背景下,有效解决数据和模型的黑箱模式的一条途径。

目标收益

1. 了解人工智能道德研究的发展趋势
2. 理解AI Fairness对于金融行业的重要性
3. 通过机器学习pipeline,理解具体实施步骤和指标

培训对象

课程内容

案例方向


Fintech/智慧金融/智慧万物/从工业机器人到工业4.0

案例背景


人工智能在金融领域的应用越来越多,很多系统的自动判断,比如各种打分和预测,影响了金融系统中的很多决策工作(比如信贷,营销等)。同时由于很多决策涉及到个人的敏感数据(比如年龄和种族),其中的歧视和不公平由此成为一个显著的问题. 由此,很多国家和地区对此展开了一系列的研究以及规则制定. 比如新加坡金融管理局 (MAS)联合多家金融企业,针对AI 道德方面在金融系统, 展开了名为Veritas的项目。我会讲述关于AI Fairness的具体表现形式,基于机器学习Pipeline的各类可能和判别的指标,以及在金融系统中的具体事例. (演讲中使用公开数据;不涉及项目本身的数据和事例)。

收益


1. 了解人工智能道德研究的发展趋势
2. 理解AI Fairness对于金融行业的重要性
3. 通过机器学习pipeline,理解具体实施步骤和指标

解决思路


1.合理的制定业务项目的目标,深入了解可能的偏见情况,并将该目标和机器学习的性能指标以及Fairness评价指标联系起来。
2.规划机器学习的pipeline,系统性的分析各个步骤中可能产生的偏差,并及时更正,避免进入下个阶段
3.制定适合本企业的监管制度保证后台决策人和机器输出更好地协同工作

结果


我们结合一系列Fairness评价指标和模型的,可以确保机器学习模型性能满足要求的同时,也可以保证一定的Fairness。Fairness模型对于金融领域的健康发展有着巨大的帮助,也是在当前金融监管,隐私和人工智能道德受到广泛关注的背景下,有效解决数据和模型的黑箱模式的一条途径。

课程费用

6800.00 /人

课程时长

50分钟以下及更短时间

预约体验票 我要分享

近期公开课推荐

近期公开课推荐

提交需求