深度学习为金融服务公司提供高级分析能力-英特尔.PDFVIP

解决方案简介 金融服务 深度学习 深度学习为金融服务公司提供 高级分析能力 适用于深度学习的英特尔® Nervana™ 平台旨在帮助各种规模的企业防止欺诈行为、 改善客户服务、增强预测能力和促进知识管理。 执行概要 本解决方案简介描述了如何通过投资 1 创新技术来应对业务挑战。 IDC 最近将深度学习提名为高性能计算领域最重要的增长驱动因素之一。 原因在于： 深度学习可从大量、无关联的数据集中获得洞察，揭示金融机构面临的种种复杂挑战—— 如果您负责以下领域： 预防欺诈、改善客户服务、增强预测能力并促进知识管理。 • 业务战略： 您将更好地了解高级分析解决方案 直到最近，人工智能（AI）的这一分支还因其过于消耗资源而只能由大型企业部署，因 如何帮助您成功实现业务目标。 为它需要专门的基础设施和数据科学家团队的专业知识。规模较小的公司缺乏相应的 预算或能力，也就无法从此类机器学习（ML）中获益。现在，随着英特尔近期收购了 • 技术决策： Nervana* 技术，深度学习将走向大众化。 您将了解高级分析解决方案如何带 来 IT 和商业价值。 适用于深度学习的英特尔® Nervana™ 平台可让企业快速、高效地开发和部署企业级高 精度的定制人工智能解决方案。适用于深度学习的英特尔® Nervana™ 平台提供两个部 署选项——托管型 Nervana Cloud* 和本地解决方案。 适用于深度学习的英特尔® Nervana™ 平台让各种规模的企业都具备高级分析能力。 深度学习可以帮助金融服务公司从大数据中获得洞察，从而预防欺诈、改善客户服务、 增强预测能力并优化知识管理。 解决方案简介 | 深度学习为金融服务公司提供高级分析能力 2 业务挑战：深度学习对资源密集度的要求太高 深度学习正在解决金融服务业的挑战 银行和保险公司等金融机构中充盈着大量数据。客户数据、财务 适用于深度学习的英特尔® Nervana™ 平台易于使用、灵活且强 数据、外部数据（文章和社交媒体对话等）、呼叫中心数据、图像 大，能够帮助银行、金融公司、保险公司和金融服务行业的其他公 等都是商业洞察的宝贵来源。大多数公司所熟悉的线性回归技术 司解决许多紧迫挑战。以下是这些公司利用深度学习的几个例子： 在处理小数据集时非常有效。但随着数据集变得越来越大，线性 • 检测异常数据。深度学习模型使用高水平的表达力来捕捉财务 回归分析的性能逐渐衰减。相比之下，深度学习，也就是使用深度 数据的复杂统计结构，通常远远优于其他机器学习方法。这些 神经网络的人工智能（AI）学科，非常适合对大数据进行解读。深 强大的工具可用于检测各种情境中的异常情况，包括举报欺诈 度学习算法可以在看似不同的数据源之间快速建立关联，识别可 性信用卡交易、识别交易限价指令簿中的异常活动，或预测证 用于监控市场、做出预测、管理风险等的新锐洞察。 券市场的突然性制度变化。 但是对于行业中的许多企业来说，从同时包含结构化和非结构化 • 集成更多数据源。深度学习模型能够整合来自不同数据源